Para o modelo classificador binário:
Maligno
: Crescimento de células cancerígenas, podendo haver metástase.
Para o modelo regressor floresta aleatória:
Benigno
: Crescimento de células não cancerígnas.
Breast-cancer.csv
: Dataset usado no trabalho.
Fera_4.1
: Neste notebook, estão todos os códigos necessários para rodar o modelo, seu treinamento e o cálculo das métricas.
Rede Neural Classificadora
: Este modelo classifica os tumores em malignos e belignos.
Binary Cross Entropy (BCE)
: Função de perda usada para fazer a rede neural classificadora.
Acurácia
: métrica usada na classificação de problemass binários, que se baseia nos exemplos que foram corretamente identificados.
Precisão
: métrica usada na classificação de problemass binários, que se baseia nos exemplos que foram classificados com rótulo positivo e foram corretamente identificados.
Sensibilidade
: métrica usada na classificação de problemass binários, que se baseia nos exemplos que possuem um rótulo positivo e foram corretamente identificados.
Você pode acessar o código pelo github ou, preferencialmente, baixá-lo.
Depois de baixar o projeto você deve abrí-lo no Jupyter Notebook/VS code
Python
, Jupyter Notebook
, VS Code
, Math
, Scikit Learn
, Numpy
, Pandas
- Nguyen, B. et al. Genomic characterization of metastatic patterns from prospective clinical sequencing of 25,000 patients. Cell 185, 563-575.e11 (2022).
- Daniel Cassar, Material de Aula, disciplina: Redes Neurais e Algoritmos Genéticos. 2025