A recent research paper by Manas and Veeky (2023)1  claimed that Random Forest is the superior method for breast cancer diagnosis after comparing 5 Machine Learning models.

In this assignment, you will read this paper, conduct analysis on the same dataset, propose and answer additional research questions. How much do you agree with Manas and Veeky?

Part A: Review the Research Paper (30%)

1.   Read the paper and state concisely the key contributions of this paper in bullet point format.

2.   Explain where you will/might conduct this research work2 differently from Manas and Veeky (2023). Conclude with a list of research questions in bullet point format that can be answered from the dataset.

Part B: Analytics and Insight (40%)

3.   For each of your research question in (2), excluding those covered in (5) below, write down a data analytics plan (a sequence of key steps in bullet point format) that will produce results and a conclusion.

4.   Execute each analytics plan in (3) using a software of your choice, present the key software outputs and your conclusions3 .

5.   Do a 70-30 train-test split and produce a table, comparing the testset performance of Logistic  Regression,  Random  Forest,  and  one  other  suitable  technique  learnt  in BC2406 or BC2407. The table must include overall accuracy, false positive rate, false negative rate, precision and recall metrics. Describe the dataset used for train-test (especially if it is not the original dataset provided but modified in some way). State your key findings.

Part C: Conclusions (30%)

6.   How much do you agree with Manas and Veeky (2023)2? Explain.

7.   Suggest ways to improve/extend the research/analysis . Explain.

# Subset the original trainset based on randomly chosen row numbers.

majority.chosen <- majority[chosen]