تاثير روش هاي كاهش بعد بر روي تشخيص بيماري سرطان ريه

بيماري سرطان ريه يكي از بيماري هاي مشترك جهاني است كه با تشخيص زود هنگام آن، مي توان پيشرفت بيماري را به تاخير انداخت و يا آن را درمان كرد. طبقه بندي سرطان ريه، از نظر بهبود تشخيص در سطح جهان و همچنين ارائه راهكارهايي جهت درمان، امري حياتي است. بنابراين، تكنيك-هاي داده كاوي و يادگيري ماشين مي تواند براي كشف دانش و شناسايي الگوهايي جهت طبقه بندي، مفيد باشد. از آنجا كه برخي ويژگي ها حاوي نويز هستند و يا اطلاعات كمي دارند، مسئله انتخاب ويژگي، زير مجموعه اي كارا از ويژگي ها را از داده هاي خام ايجاد مي كند. اين واقعيت كه كاهش ابعاد باعث بهبود عملكرد محاسباتي طبقه بندي مي شود، منجر به ايجاد مدل هاي سريع و كم هزينه در طبقه بندي شده، و باعث مي شود كه تكنيك هاي داده كاوي و يادگيري ماشين محبوبيت ويژه اي بيابند. در اين مقاله، ما با استفاده از مجموعه اي از روش هاي فيلتر و بسته بندي به همراه روش هاي يادگيري ماشين، به طبقه بندي داده هاي سرطان ريه مي پردازيم. ما نشان مي دهيم كه تكنيك هاي انتخاب ويژگي، ما را قادر مي سازد كه طبقه بندي دقيقي در حداقل زمان با استفاده از ابعاد كمتر داشته باشيم.