- Middle Black Sea Journal of Health Science
- Vol: 7 Issue: 1
- Prediction of Renal Cell Carcinoma Based on Ensemble Learning Methods
Prediction of Renal Cell Carcinoma Based on Ensemble Learning Methods
Authors : Adem Doğaner, Cemil Çolak, Faruk Küçükdurmaz, Caner Ölmez
Pages : 104-114
Doi:10.19127/mbsjohs.889492
View : 26 | Download : 13
Publication Date : 2021-04-30
Article Type : Research
Abstract :Giriş: Son yıllarda topluluk öğrenme yöntemleri kanser hastalıklarının erken teşhisi için yaygın bir kullanıma kavuşmuştur. Bu çalışmada, renal hücreli karsinomların erken teşhisi ve sınıflandırılması için yüksek performansa sahip topluluk öğrenme modelinin oluşturulması amaçlanmıştır. Materyal ve Metot: Çalışmada, 140 renal hücreli karsinom hastası ve 140 renal hücreli karsinomu olmayan hastanın hemogram ve laboratuar verileri çalışmaya dahil edilmiştir. Veri setinde 27 predictor ve 1 bağımlı değişken yer almaktadır. Veriler restospektif olarak elde edilmiştir. Çalışmada makine öğrenme yöntemleri ve topluluk öğrenme yöntemlerinin sınıflandırma performansları karşılaştırılmıştır. Çalışmada IB1, IBk, Kstar, LWL, REPTree, Random Forest ve SMO sınıflayıcılarının yanısıra, boosting, bagging, voting ve stacking topluluk öğrenme yöntemlerinin sınıflandırma performansları karşılaştırılmıştır. Bulgular: Makine öğrenme yöntemleri içerisinde en yüksek performansı REPTree sınıflayıcısı sağlamıştır (ACC=0.867). Topluluk öğrenme yöntemleri içerisinde en yüksek performansı Stacking topluluk öğrenme yöntemi Model 6’da sağlamıştır (ACC=0.906). Stacking topluluk öğrenme yöntemleri, boosting, voting, bagging topluluk yöntemlerine ve makine öğrenme yöntemlerine göre daha yüksek performans göstermiştir. Sonuçlar: Stacking topluluk öğrenme yöntemleri renal hücreli karsinomların erken teşhisinde başarılı sonuçlar sağlamaktadır. Stacking topluluk öğrenme yöntemleri renal hücreli karsinomun teşhisi için mevcut yöntemlere bir alternatif olarak kullanılabilmektedir. Stacking topluluk öğrenme yönteminin sınıflandırma performansını dahada artırmak için veri setine ve değişken türlerine uygun meta sınıflayıcı seçilmesi önerilmektedir.Keywords : Topluluk Öğrenme Yöntemi, Meta Sınıflayıcı, Renal Hücreli Karsinom, Erken Teşhis