Tracked shipping to South Africa with premium packaging for just R199 

Ship to
South Africa
0

My Account

  • argentina
  • chile
  • colombia
  • españa
  • méxico
  • perú
  • estados unidos
  • internacional

menu

Select your country

Americas

Europe

Rest of the world

portada Ein Random-Forest-Modell zur Klassifizierung von Brustkrebs (in German)
Type
Physical Book
Publisher
Author
Language
German
Pages
64
Format
Paperback
Dimensions
22.9 x 15.2 x 0.4 cm
ISBN13
9786209043499

Ein Random-Forest-Modell zur Klassifizierung von Brustkrebs (in German)

Gumel, A. M.; Adam, A. N.; Waziri, I. Z. (Author) · Verlag Unser Wissen · Paperback

Ein Random-Forest-Modell zur Klassifizierung von Brustkrebs (in German) - Gumel, A. M.; Adam, A. N.; Waziri, I. Z.

Cheaper New Book Imported to South Africa
Delivery: 19 Aug - 27 Aug Shipping: 13 to 14 business days.
R 876
Faster New Book Imported to South Africa
Delivery: 06 Aug - 14 Aug Shipping: 4 to 5 business days.
R 955
R 876

Choose the list to add your product or create one New List

Go to My Wishlists
Calculate shipping cost

Synopsis "Ein Random-Forest-Modell zur Klassifizierung von Brustkrebs (in German)"

Dieses Buch befasst sich mit der Entwicklung und Optimierung eines Random-Forest-Modells (RF) zur Klassifizierung von Brustkrebs als gutartig oder bösartig unter Verwendung des Wisconsin Breast Cancer Dataset. Nach der Vorverarbeitung von 569 Proben (357 gutartig, 212 bösartig) erreichte ein Standard-RF-Modell eine Genauigkeit von 95,61 %. Um die Ergebnisse zu verbessern, wurden die Hyperparameter mit Hilfe der Gittersuche optimiert, wobei Parameter wie die Anzahl der Bäume (150), die maximale Tiefe (keine), die Mindestanzahl der geteilten Stichproben (2), die Mindestanzahl der Blattproben (1) und die Zufallsauswahl (123) angepasst wurden. Das optimierte RF-Modell erreichte 99,12 % Genauigkeit, Präzision, Wiedererkennung und F1-Score und übertraf damit andere Methoden wie SVM, XGBoost und frühere RF-Implementierungen. Die Ergebnisse zeigen eine geringere Anzahl falsch negativer und keine falsch positiven Ergebnisse, was auf eine hohe Sensitivität und Spezifität hinweist. Die Arbeit unterstreicht den Wert einer sorgfältigen Abstimmung der Hyperparameter bei medizinischen KI-Anwendungen und schlägt eine zukünftige Integration mit neuronalen Netzen und hybriden Modellen zur Leistungssteigerung bei der klinischen Brustkrebsdiagnose vor.

Customers reviews

More customer reviews
  • 0% (0)
  • 0% (0)
  • 0% (0)
  • 0% (0)
  • 0% (0)

Frequently Asked Questions about the Book

Is the book original?

All books in our catalog are Original.

In what language is the book written?

The book is written in German.

What is the format of this book?

The binding of this edition is Paperback.

Questions and Answers about the Book

Do you have a question about the book? Login to be able to add your own question.

Opinions about Bookdelivery

More customer reviews