Breast Cancer data mining project

O autoru

Branko Grbic 2/2020
mail: mi20002@alas.matf.bg.ac.rs

Skup podataka

Skup podataka se zove Breast cancer gene expression - CuMiDa i može se naći ovde
Zbog prevelike veličine fajla, skup podataka se mora skinuti

Uputstvo za pokretanje

Skinuti csv dataset u dataset/ folder.
Za rad je potrebno pokrenuti prvo preprocessing/extract_datasets.py koji će generisati normalizovani dataset.

Za poređenje modela u klasifikaciji, tj. fajla models/classification/model_comparison.ipynb, možete skinuti modele ovde i staviti ih u istoimeni folder models/classification, ali takođe možete i pokrenuti fajlove KNN.ipynb, xgboost.ipynb i SVM.ipynb koji se nalaze u tom folderu radi ekstrakcije modela.
OPREZ: Modeli su veliki (~250 MB ukupno)

Korišćene biblioteke

numpy, pandas, seaborn, pickle, sklearn, xgboost, imblearn, matplotlib
Sve biblioteke se mogu instalirati korišćenjem paket menadžera pip.

Korišćeni modeli

• Klasifikacija:
  
  • XGBoost
  • KNN
  • SVM
  • Ansambl
• Klasterovanje:
  
  • KMeans
  • Gaussian Mixture
• Pravila pridruživanja:
  
  • Apriori