机器学习算法在肺癌预测中的性能：一项比较研究

资源简介

机器学习算法在肺癌预测中的性能：一项比较研究

【一句话概览】

本数据集是 Zenodo 公开的结构化表格数据集，收录 1 个文件、合计 669.30 KB，主题涵盖 Lung cancer prediction、Machine learning algorithms、Comparative analysis，可用于统计建模、特征工程与队列分析，cc-by-4.0 许可开放获取。

【数据集背景】

本数据集源站标题为《PERFORMANCE OF MACHINE LEARNING ALGORITHMS FOR LUNG CANCER PREDICTION: A COMPARATIVE STUDY》。源站首次发布：2024-11-14。

【数据内容】

源站原始描述：This study compares the performance of five machine learning algorithms—logistic regression, support vector machines, random forests, gradient boosting, and neural networks—for lung cancer prediction using demographic, lifestyle, and medical data from the UCI Machine Learning Repository. Gradient boosting and random forests achieved the highest accuracy (89% and 87%, respectively) and AUC-ROC scores (0.93 and 0.92), while neural networks reached 90% accuracy but presented interpretab…

中文译文（机器翻译，仅供快速理解，请以原文为准）：本研究比较了五种机器学习算法——逻辑回归、支持向量机、随机森林、梯度提升和神经网络——在使用来自 UCI Machine Learning Repository 的人口统计学、生活方式和医学数据进行肺癌预测时的性能。梯度提升和随机森林取得了最高准确率（分别为 89% 和 87%）以及 AUC-ROC 分数（分别为 0.93 和 0.92），而神经网络达到了 90% 的准确率，但存在可解释性局限。关键预测因子包括吸烟史、慢性疾病和呼吸道症状，这与已知风险因素一致。集成方法，尤其是梯度提升和随机森林，在准确性和可解释性之间提供了最佳平衡，突显了它们在肺癌早期检测中的临床应用潜力。

【数据结构与技术规格】

文件数 1 个，合计 669.30 KB。数据集 DOI：10.5281/zenodo.14163927。

【主题与分类】

主题标签：Lung cancer prediction、Machine learning algorithms、Comparative analysis。

【适用方向】

结构化表格数据可直接用于统计建模、特征工程与队列分析。

【获取与许可】

源站页面：https://zenodo.org/records/14163927

使用许可：cc-by-4.0。

规范引用：International Journal of Medical Science and Public Health Research