ВЫЯВЛЕНИЕ РАКА МОЛОЧНОЙ ЖЕЛЕЗЫ С ПОМОЩЬЮ ЛОГИСТИЧЕСКОЙ РЕГРЕССИИ: СРАВНИТЕЛЬНОЕ ИССЛЕДОВАНИЕ МЕТОДОВ ОПТИМИЗАЦИИ И ТОНКОЙ НАСТРОЙКИ

Аннотация

Рак молочной железы является одним из наиболее распространенных и опасных для жизни заболеваний во всем мире, что делает точную раннюю диагностику критически важной для улучшения результатов лечения пациентов. В этом исследовании изучается эффективность моделей логистической регрессии для выявления рака молочной железы с использованием набора данных по диагностике рака молочной железы штата Висконсин (WBCD). Для определения их влияния на производительность модели были применены различные методы оптимизации, включая обычные методы наименьших квадратов, градиентный спуск, метод Ньютона, регуляризацию L2, стохастический градиентный спуск (SGD) и тонкую настройку на основе GridSearch. Для сравнения методов использовались стандартные показатели оценки — точность, полнота, чувствительность и показатель F1. Результаты демонстрируют, что точная настройка на основе GridSearch неизменно обеспечивает высочайшую общую производительность, подчеркивая важность систематической оптимизации гиперпараметров для повышения надежности модели и точности прогнозирования. Эти результаты подчеркивают, что даже классические модели, такие как логистическая регрессия, могут обеспечить самые современные результаты анализа медицинских данных в сочетании с соответствующими стратегиями оптимизации.