Introduzione

Il cancro al seno rappresenta una delle principali cause di mortalità tra le donne a livello globale. La diagnosi precoce gioca un ruolo cruciale nel migliorare le possibilità di trattamento e sopravvivenza. Tuttavia, i metodi diagnostici tradizionali possono essere limitati nella loro capacità di rilevazione precoce. L'impiego di tecniche di Machine Learning (ML) nella diagnosi del cancro al seno promette di aumentare l'efficienza e l'accuratezza della diagnosi, rendendola più accessibile e meno costosa.

Tecnologie Utilizzate

1. Python: Linguaggio di programmazione scelto per lo sviluppo del progetto, grazie alla sua vasta libreria di strumenti per il data science e il machine learning.
2. NumPy e Pandas: Librerie per la manipolazione e l'analisi dei dati. Utilizzate per la preparazione e l'esplorazione del dataset.
3. Matplotlib e Seaborn: Librerie per la visualizzazione dei dati. Impiegate per generare grafici e visualizzazioni utili all'analisi esplorativa.
4. Scikit-learn: Libreria per il machine learning. Utilizzata per implementare algoritmi di classificazione, come Decision Tree e Reti Neurali, e per la valutazione dei modelli attraverso metriche come matrici di confusione, accuratezza, precision, recall e F1-score.

Sviluppo del Progetto

1. Preparazione del Dataset: Il dataset utilizzato, Breast Cancer Wisconsin Diagnostic (WDBC), è stato analizzato per verificare la presenza di valori nulli e per effettuare operazioni di refactoring, come la rimozione di colonne non utili all'analisi.

2. Analisi Esplorativa: Attraverso l'analisi di variabili, correlazioni e la creazione di boxplot, è stata esaminata la distribuzione delle caratteristiche delle cellule tumorali, distinguendo tra tumori benigni e maligni.

3. Riduzione della Dimensionalità: La Principal Component Analysis (PCA) è stata applicata per ridurre il numero di variabili mantenendo la maggior parte dell'informazione utile.

4. Modellazione: Sono stati selezionati e addestrati due modelli predittivi, Decision Tree e Reti Neurali, utilizzando due versioni del dataset ottenute dalla PCA.

5. Valutazione dei Modelli: Gli esperimenti hanno incluso la valutazione delle performance dei modelli attraverso metriche specifiche, curva ROC e la 10-fold cross-validation per testare la loro capacità di generalizzazione.

6. Conclusioni: L'analisi dei risultati ha dimostrato l'efficacia delle tecniche di ML nella diagnosi del cancro al seno, evidenziando i punti di forza e le aree di miglioramento dei modelli utilizzati.