9786208449407 - a random forest model for breast cancer classification: building and optimization of random forest model for classification of breast cancer into benign and malignant de gumel, a m; adam, a n; waziri, i z (11 resultados)
- Tapa blanda
Librería: PBShop.store US, Wood Dale, IL, Estados Unidos de AmericaPBShop.store US
Contactar con el vendedorVendedor de 5 estrellasCondición: Nuevo
EUR 47,78
Gastos de envío gratisSe envía dentro de Estados Unidos de AmericaCantidad disponible: Más de 20 disponibles
PAP. Condición: New. New Book. Shipped from UK. Established seller since 2000.
- Tapa blanda
Librería: California Books, Miami, FL, Estados Unidos de AmericaCalifornia Books
Contactar con el vendedorVendedor de 4 estrellasCondición: Nuevo
EUR 50,53
Gastos de envío gratisSe envía dentro de Estados Unidos de AmericaCantidad disponible: Más de 20 disponibles
Condición: New.
- Tapa blanda
Librería: PBShop.store UK, Fairford, GLOS, Reino UnidoPBShop.store UK
Contactar con el vendedorVendedor de 5 estrellasCondición: Nuevo
EUR 47,19
Envío por EUR 3,84Se envía de Reino Unido a Estados Unidos de AmericaCantidad disponible: Más de 20 disponibles
PAP. Condición: New. New Book. Shipped from UK. Established seller since 2000.
- Tapa blanda
Librería: Books Puddle, New York, NY, Estados Unidos de AmericaBooks Puddle
Contactar con el vendedorVendedor de 4 estrellasCondición: Nuevo
EUR 85,23
Envío por EUR 3,43Se envía dentro de Estados Unidos de AmericaCantidad disponible: 4 disponibles
Condición: New.
- Tapa blanda
Librería: preigu, Osnabrück, Alemaniapreigu
Contactar con el vendedorVendedor de 5 estrellasCondición: Nuevo
EUR 39,45
Envío por EUR 70,00Se envía de Alemania a Estados Unidos de AmericaCantidad disponible: 5 disponibles
Taschenbuch. Condición: Neu. A RANDOM FOREST MODEL FOR BREAST CANCER CLASSIFICATION | BUILDING AND OPTIMIZATION OF RANDOM FOREST MODEL FOR CLASSIFICATION OF BREAST CANCER INTO BENIGN AND MALIGNANT | A M Gumel (u. a.) | Taschenbuch | Englisch | 2025 | LAP LAMBERT Academic Publishing | EAN 9786208449407 | Verantwortliche Person fü…r die EU: SIA OmniScriptum Publishing, Brivibas Gatve 197, 1039 RIGA, LETTLAND, customerservice[at]vdm-vsg[dot]de | Anbieter: preigu.
- Tapa blanda
- Impresión bajo demanda
Librería: BuchWeltWeit Ludwig Meier e.K., Bergisch Gladbach, AlemaniaBuchWeltWeit Ludwig Meier e.K.
Contactar con el vendedorVendedor de 5 estrellasCondición: Nuevo
EUR 43,90
Envío por EUR 23,00Se envía de Alemania a Estados Unidos de AmericaCantidad disponible: 2 disponibles
Taschenbuch. Condición: Neu. This item is printed on demand - it takes 3-4 days longer - Neuware 52 pp. Englisch.
- Tapa blanda
- Impresión bajo demanda
Librería: Majestic Books, Hounslow, Reino UnidoMajestic Books
Contactar con el vendedorVendedor de 4 estrellasCondición: Nuevo
EUR 81,58
Envío por EUR 7,58Se envía de Reino Unido a Estados Unidos de AmericaCantidad disponible: 4 disponibles
Condición: New. Print on Demand.
- Tapa blanda
- Impresión bajo demanda
Librería: CitiRetail, Stevenage, Reino UnidoCitiRetail
Contactar con el vendedorVendedor de 5 estrellasCondición: Nuevo
EUR 51,64
Envío por EUR 43,15Se envía de Reino Unido a Estados Unidos de AmericaCantidad disponible: 1 disponibles
Paperback. Condición: new. Paperback. This book highlights on development and optimization of a Random Forest (RF) model to classify breast cancer as benign or malignant using the Wisconsin Breast Cancer Dataset. After preprocessing 569 samples (357 benign, 212 malignant), a default RF model achieved 95.61% accuracy. To improve…results, hyperparameter tuning via Grid Search was applied, adjusting parameters such as number of trees (150), max depth (None), min samples split (2), min samples leaf (1), and random seed (123). The optimized RF model achieved 99.12% accuracy, precision, recall, and F1-score, outperforming other methods like SVM, XGBoost, and prior RF implementations. Results show reduced false negatives and no false positives, indicating high sensitivity and specificity. The work underscores the value of meticulous hyperparameter tuning in medical AI applications and suggests future integration with neural networks and hybrid models for enhanced performance in clinical breast cancer diagnosis. This item is printed on demand. Shipping may be from our UK warehouse or from our Australian or US warehouses, depending on stock availability.
- Tapa blanda
- Impresión bajo demanda
Librería: Biblios, frankfurt am main, HESSE, AlemaniaBiblios
Contactar con el vendedorVendedor de 4 estrellasCondición: Nuevo
EUR 84,40
Envío por EUR 9,95Se envía de Alemania a Estados Unidos de AmericaCantidad disponible: 4 disponibles
Condición: New. PRINT ON DEMAND.
- Tapa blanda
- Impresión bajo demanda
Librería: buchversandmimpf2000, Emtmannsberg, BAYE, Alemaniabuchversandmimpf2000
Contactar con el vendedorVendedor de 5 estrellasCondición: Nuevo
EUR 43,90
Envío por EUR 60,00Se envía de Alemania a Estados Unidos de AmericaCantidad disponible: 1 disponibles
Taschenbuch. Condición: Neu. This item is printed on demand - Print on Demand Titel. Neuware -This book highlights on development and optimization of a Random Forest (RF) model to classify breast cancer as benign or malignant using the Wisconsin Breast Cancer Dataset. After preprocessing 569 samples (357 benign, 212 malignant),…a default RF model achieved 95.61% accuracy. To improve results, hyperparameter tuning via Grid Search was applied, adjusting parameters such as number of trees (150), max depth (None), min samples split (2), min samples leaf (1), and random seed (123). The optimized RF model achieved 99.12% accuracy, precision, recall, and F1-score, outperforming other methods like SVM, XGBoost, and prior RF implementations. Results show reduced false negatives and no false positives, indicating high sensitivity and specificity. The work underscores the value of meticulous hyperparameter tuning in medical AI applications and suggests future integration with neural networks and hybrid models for enhanced performance in clinical breast cancer diagnosis.VDM Verlag, Dudweiler Landstraße 99, 66123 Saarbrücken 52 pp. Englisch.
- Tapa blanda
- Impresión bajo demanda
Librería: AHA-BUCH GmbH, Einbeck, AlemaniaAHA-BUCH GmbH
Contactar con el vendedorVendedor de 5 estrellasCondición: Nuevo
EUR 44,59
Envío por EUR 60,48Se envía de Alemania a Estados Unidos de AmericaCantidad disponible: 2 disponibles
Taschenbuch. Condición: Neu. nach der Bestellung gedruckt Neuware - Printed after ordering - This book highlights on development and optimization of a Random Forest (RF) model to classify breast cancer as benign or malignant using the Wisconsin Breast Cancer Dataset. After preprocessing 569 samples (357 benign, 212 malignant), a… default RF model achieved 95.61% accuracy. To improve results, hyperparameter tuning via Grid Search was applied, adjusting parameters such as number of trees (150), max depth (None), min samples split (2), min samples leaf (1), and random seed (123). The optimized RF model achieved 99.12% accuracy, precision, recall, and F1-score, outperforming other methods like SVM, XGBoost, and prior RF implementations. Results show reduced false negatives and no false positives, indicating high sensitivity and specificity. The work underscores the value of meticulous hyperparameter tuning in medical AI applications and suggests future integration with neural networks and hybrid models for enhanced performance in clinical breast cancer diagnosis.
