데이터 마이닝 기반 유방암 악성·양성 예측 모델 비교 연구

초록

**
본 논문은 UCI의 Wisconsin 유방암 데이터셋을 이용해 12가지 분류 알고리즘을 적용·비교한다. 각 모델의 정확도, Kappa 통계, MAE·RMSE·RAE·RRSE 등 다양한 지표를 제시하고, Lazy‑IBK, Random Tree, Random Forest 등 트리 기반 모델이 99%에 육박하는 높은 성능을 보인 반면 Naïve Bayes는 상대적으로 낮은 정확도를 기록하였다.

**

상세 분석

**
본 연구는 유방암 진단에 데이터 마이닝 기법을 적용하고자 하는 시도는 긍정적이지만, 전반적인 실험 설계와 보고 방식에 여러 한계가 존재한다. 먼저 데이터 전처리 과정이 상세히 기술되지 않았다. 원본 Wisconsin 데이터셋에는 ‘Bare Nuclei’와 같은 결측값이 존재하나, 논문에서는 이를 어떻게 처리했는지(삭제, 평균 대체, 혹은 특수값 지정 등) 언급하지 않아 재현 가능성이 떨어진다. 또한 ‘Clump Thickness’를 평가 클래스라고 서술했는데, 이는 실제 클래스 라벨(2 = 양성, 4 = 악성)과 혼동된 표현으로 보인다. 클래스 라벨을 올바르게 사용했는지 여부가 명확하지 않으며, 이는 모델 학습 및 평가에 직접적인 영향을 미친다.

알고리즘 선택은 AdaBoost M1, Decision Table, J‑Rip, J48, Lazy IBK, Lazy K‑star, Logistic Regression, Multiclass Classifier, Multilayer‑Perceptron, Naïve Bayes, Random Forest, Random Tree 등 12종을 포함한다. 그러나 하이퍼파라미터 설정에 대한 설명이 전혀 없으며, 특히 AdaBoost와 Random Forest와 같은 앙상블 방법은 트리 수, 학습률 등 중요한 파라미터가 결과에 크게 작용한다. 교차 검증 방식도 ‘10‑fold cross‑validation’이라고만 언급하고 구체적인 분할 방법이나 무작위 시드(seed) 등에 대한 정보가 부족하다.

평가 지표로는 정확도 외에 Kappa, MAE, RMSE, RAE, RRSE, PRC Area, ROC Area, MCC, F‑Measure, Recall, Precision, FP Rate, TP Rate 등을 제시했으며, 표와 그래프를 통해 시각화하였다. 특히 Kappa 값이 0.97에 달하는 모델(Lazy IBK, Lazy K‑star, Random Forest, Random Tree)은 실제로 거의 완벽에 가까운 예측력을 의미한다. 그러나 일부 모델(Naïve Bayes, J48 등)은 Kappa가 0에 가깝거나 음수이며, 이는 클래스 불균형이나 데이터 전처리 오류를 시사한다. 또한 MAE·RMSE·RAE·RRSE 값이 백분율로 표시되었지만, 실제 해석이 어려워 독자가 결과를 직관적으로 이해하기 어렵다.

논문의 강점은 다양한 알고리즘을 한 번에 비교함으로써 트리 기반 및 Lazy‑type 모델이 유방암 데이터에 강건함을 확인한 점이다. 하지만 약점은 실험 재현성을 저해하는 상세 정보 부족, 클래스 라벨에 대한 혼동, 그리고 통계적 유의성 검증(예: p‑value, 신뢰구간) 부재이다. 또한 기존 연구와의 차별성을 명확히 제시하지 못하고, 대부분의 참고문헌이 저자 자신의 이전 작업에 편중된 경향이 있다. 향후 연구에서는 데이터 전처리 파이프라인을 명확히 정의하고, 하이퍼파라미터 최적화를 자동화(예: GridSearch, Bayesian Optimization)하며, 외부 검증 데이터셋(예: SEER, TCGA)으로 일반화 성능을 검증하는 것이 필요하다.

**