← Research

Research code · Published

유방암 분류 모델 비교 실험

임상 지표 기반 로지스틱 회귀와 인공신경망 비교연구에서 신경망 모델을 구현하고 학습 과정을 검토한 실험.

Last code update

2020.05.20

Role

인공신경망 구현 · 모델 비교

Stack

Python · Keras · Scikit-learn · Pandas · Neural Network

GitHub repository ↗

1. 019개 설명변수 정리
2. 02학습·평가 분할
3. 03표준화·신경망 학습
4. 04정확도·손실 추이 확인

코드에서 확인한 핵심 처리 흐름을 재구성한 설명 도식입니다.

모델 평가 항목 예시

checklist coverage

저장소의 성능 수치가 아닌 평가 설계 예시입니다. 현재 재현 실험에서 함께 확인해야 할 항목을 상대적으로 표현했습니다.

연구 배경

2019년 데이타베이스연구에 발표한 「로지스틱 회귀분석과 인공신경망을 이용한 유방암 분류 모델 비교연구」의 인공신경망 구현 기록이다. 동일 데이터로 추정되는 9개 설명변수와 이진 분류값을 사용해, 전통적인 통계 모형과 신경망이 어떤 차이를 보이는지 비교하기 위한 실험이었다.

구현 내용

Pandas로 데이터를 읽고 설명변수와 Classification 레이블을 분리한 뒤 학습·평가 집합으로 나눈다. StandardScaler로 입력을 표준화하고, Keras Sequential 모델에 18개와 32개 은닉 유닛, ReLU 활성화, 50% Dropout을 배치했다. 마지막 층은 sigmoid와 binary cross-entropy를 사용하며 RMSprop으로 학습한다. 추가 학습 구간에서는 훈련·검증 정확도와 손실의 변화를 그려 과적합 여부를 살펴본다.

지금 다시 읽으며 확인한 한계

초기 노트북은 평가 데이터에도 fit_transform을 적용하고 무작위 시드를 고정하지 않았으며, 최종 성능을 독립 평가셋보다 훈련셋 중심으로 출력한다. 현재 기준의 재현 실험이라면 학습셋에만 scaler를 적합하고 교차검증, 클래스별 precision·recall, ROC-AUC와 신뢰구간을 함께 보고해야 한다.

이 코드는 학술 비교 실험이며 의료기기나 임상 진단 도구가 아니다. 저장소의 결과만으로 개인의 질환을 판단할 수 없다.