سرطان پستان یکی از رایج‌ترین انواع سرطان‌ها در زنان می‌باشد و در سال‌های اخیر رشد قابل توجهی در تعداد افراد مبتلا به آن گزارش شده است. با گسترش روزافزون علم استفاده از داده‌کاوی در پزشکی به یکی از زمینه‌های پرکاربرد برای بهبود سیستم‌های درمانی تبدیل شده است. در این تحقیق فرايند تشخيص بيماري سرطان پستان در دو مرحله انجام می‌شود. در مرحله اول از یک الگوریتم ژنتیک بهبودیافته برای تشخیص ویژگی‌های مؤثر در پیش‌بینی این بیماری استفاده شده و در مرحله دوم نمونه‌های متعارف و نامتعارف به ‌منظور افزایش دقت و ایجاد مدل دسته‌بندی نهایی شناسایی می‌شوند. برای کار دسته‌بندی مقایسه‌ای بین دو مدل درخت تصمیم و ماشین بردار پشتیبان انجام شده که نتایج، برتری مدل ماشین بردار پشتیبان را نشان می‌دهد. نتایج آزمایش‌های انجام‌شده دقت تشخیص سرطان پستان را روی مجموعه داده‌های WBCD، WDBC و WPBC به ترتیب 26/99%، 55/98% و 45/98% گزارش می‌دهد. پرونده مقاله