Sistemas cognitivos para la predicción de cáncer de mama

• Published in: Mikarimin Vol. 9; no. 2; pp. 69 - 82
• Main Authors: Jonathan Stalin Delgado Guerrero, Jhon Rigner Meléndez Meléndez, Raúl Huillca Huallparimachi
• Format: Journal Article
• Language: Spanish
• Published: Universidad Regional Autónoma de Los Andes-Extensión Santo Domingo 01-04-2023
• ISSN: 2528-7842

El objeto del presente artículo es la comparación de cuatro algoritmos de clasificación existentes con aprendizaje no supervisado: red neuronal, k-means, fuzzy c-means y hierarchical clustering y una alternativa de solución para predecir una eventual enfermedad cancerígena en las glándulas mamarias de una mujer. Para realizar el pronóstico presente, se ha hecho uso de un conjunto de datos que comprende un total de 589 registros; de las cuales podemos citar algunas variables, las según su importancia como son: media de distancias, desviación estándar, perímetro de masa, área de masa y suavidad. Se ha demostrado con los valores de las métricas bases y derivadas usadas para la evaluación de algoritmos de clasificación, que el algoritmo red neuronal presenta mejores resultados de predicción para la configuración del experimento seleccionado. Este modelo entrenado es almacenado en la base de datos a la cual accede el servicio Azure Machine Learning para construir el servicio web. Este servicio web construido, encapsula el proyecto de implementación del algoritmo en una función para poder implementar el resto de la arquitectura REST con un verbo de ejecución disponibles: POST. El formato de intercambio de datos usados es JSON tanto para la solicitud como para la respuesta del servicio. PALABRAS CLAVE: predicción del cáncer de mama; cáncer de mama; comparación de aprendizaje automático. Cognitive systems for the prediction of breast cancer ABSTRACT The object of this article is the comparison of four existing classification algorithms with unsupervised learning: neural network, k-means, fuzzy c-means and hierarchical clustering and an alternative solution to predict a possible cancer disease in the mammary glands of a woman. To carry out the present forecast, use has been made of a data set comprising a total of 589 records; of which we can cite some variables, according to their importance such as: mean of distances, standard deviation, perimeter of mass, area of mass and smoothness. It has been shown with the values of the base and derived metrics used for the evaluation of classification algorithms, that the neural network algorithm presents better prediction results for the configuration of the selected experiment. This trained model is stored in the database accessed by the Azure Machine Learning service to build the web service. This built web service encapsulates the algorithm implementation project in a function to be able to implement the rest of the REST architecture with an available execution verb: POST. The data exchange format used is JSON for both the request and the response of the service. KEYWORDS: breast cancer prediction; breast cancer; machine learning compara.