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
- 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.
- NumPy e Pandas: Librerie per la manipolazione e l'analisi dei dati. Utilizzate per la preparazione e l'esplorazione del dataset.
- Matplotlib e Seaborn: Librerie per la visualizzazione dei dati. Impiegate per generare grafici e visualizzazioni utili all'analisi esplorativa.
- 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
-
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.
-
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.
-
Riduzione della Dimensionalità: La Principal Component Analysis (PCA) è stata applicata per ridurre il numero di variabili mantenendo la maggior parte dell'informazione utile.
-
Modellazione: Sono stati selezionati e addestrati due modelli predittivi, Decision Tree e Reti Neurali, utilizzando due versioni del dataset ottenute dalla PCA.
-
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.
-
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.