Breast Cancer Classification Using Gradient Boosting Algorithms Focusing on Reducing the False Negative and SHAP for Explainability

癌症是全球最致命的疾病之一，其中乳腺癌是导致最多癌症病例和死亡的原因。然而，通过早期检测和及早治疗可以预防乳腺癌。许多研究聚焦于高准确性的癌症预测模型，但有时仅准确性并不总是可靠的指标。本研究采用探索性方法，研究基于提升的不同机器学习算法在预测乳腺癌方面的表现，重点关注召回率指标。提升机器学习算法已被证明是检测医学疾病的有效工具。研究利用加州大学尔湾分校（UCI）存储库的数据集来训练和测试模型分类器，其中包含它们的属性。本研究的主要目标是使用Adaboost、XGBoost、CatBoost和LightGBM等最先进的提升算法来预测和诊断乳腺癌，并找到最有效的召回率、ROC-AUC和混淆矩阵指标。此外，我们的研究是第一个使用这四种提升算法与超参数优化库Optuna和SHAP方法来提高模型的可解释性，这可以作为识别和预测乳腺癌的支持。我们能够改进所有模型的AUC或召回率，并减少Adaboost和LigthGBM的假阴性，最终AUC对于所有模型都超过了99.41％。

本论文旨在通过使用四种提升算法（AdaBoost、XGBoost、CatBoost和LightGBM）结合Optuna和SHAP方法，探究基于召回率指标预测乳腺癌的效果，并寻找最有效的度量方式。

本论文使用提升算法结合超参数优化和SHAP方法，提高了乳腺癌预测模型的AUC或召回率，并减少了误诊率。

论文使用了UCI数据集进行训练和测试，实验结果显示四种提升算法均能达到超过99.41%的AUC，且AdaBoost和LightGBM的误诊率得到了显著降低。此外，论文还使用了Optuna和SHAP方法，提高了模型的可解释性。

最近的相关研究包括使用深度学习算法进行乳腺癌预测的研究，如“Breast Cancer Detection Using Deep Convolutional Neural Networks and Support Vector Machines”和“Breast Cancer Diagnosis Using Convolutional Neural Networks and Support Vector Machines”。