Veri Madenciliği

MO
by merve ozkan6 views·Updated Sep 28, 2016
Powered by AI

Need to present on this topic?

Create your own polished presentation in minutes. Just describe what you need.

Free to try, no credit card required

Transcript

KARAR AGACI

C&R algoritması

C&R algoritmasına göre; en önemli nitelikler sırayla; basit çekirdek, hücre şekli ve hücre büyüklügüdür. Çok daha az olan degişkenler ise yumuşak kromotin, epitel hücre, normal çekirdek ve küme dolgunlugudur.Bu model her sınıftaki saflıgı minimize ederek ,egıtım kayıtlarını bolmek için yinelemeli paylaştırma kullanılır.

Kazançlar,ağaçtaki toplam başarı sayısına bağlı olarak her kazancın içerisindeki başarı oranı olarak tanımlanır ve grafikte elde edilen değerlerimiz Best line çizgisine yakın olduğundan oldukça iyi tahmin edilmiştir

En önemli nitelikler sırasıyla basit çekirdek, hücre şekli homojenliği, mitozlardır. Daha az önemli olan nitelikler ise sırasıyla hücre büyüklüğü, küme dolgunluğu, normal çekirdek ve kenardaki bileşimdir.

*ID :1000025 olan için iyi huylu kanserliyken iyi huylu beklenmekte ve bunun doğruluk indeksi %99.3 tür

*ID:1002945 olan için iyi huylu kanserliyken kötü huylu beklenmekte ve bunun doğruluk indeksi %97 dır.

*PRUNE METHODU

Bu yöntem büyük bir ağ ile başlar ve ilerledikçe gizli katmanlarında zayıf birimlerini kaldırır.

Kazançlar,ağaçtaki toplam başarı sayısına bağlı olarak her kazancın içerisindeki başarı oranı olarak tanımlanır ve grafikte elde edilen değerlerimiz Best line çizgisine yakın olduğundan oldukça iyi tahmin edilmiştir

En önemli nitelikler sırasıyla hücre şekli homojenliği, basit çekirdek, normal çekirdektir. Daha az önemli olan nitelikler ise sırasıyla hücre büyüklüğü, kenardaki bileşim, yumuşak kromotin, küme dolgunluğu, epitel hücre ve mitozlardır.

*ID :1000025 olan için iyi huylu kanserliyken iyi huylu beklenmekte ve bunun doğruluk indeksi%97.5 tir.

*ID:1002945 olan için iyi huylu kanserliyken kötü huylu beklenmekte ve bunun doğruluk indeksi %92.6 dır.

*MULTIPLE METODU

Bu yöntem ayırıcı grafiklerle çeşitli ağlar oluşturur. Bu ağlardaki ara hatalar son model olarak sunulur.

Kazançlar,ağaçtaki toplam başarı sayısına bağlı olarak her kazancın içerisindeki başarı oranı olarak tanımlanır ve grafikte elde edilen değerlerimiz Best line çizgisine yakın olduğundan oldukça iyi tahmin edilmiştir

En önemli nitelikler sırasıyla basit çekirdek, hücre büyüklüğü, yumuşak kromotindir. Daha az önemli olan nitelikler ise sırasıyla normal çekirdek, küme dolgunluğu, kenardaki bileşim , epitel hücre ve mitozlardır.

*ID :1000025 olan için iyi huylu kanserliyken iyi huylu

beklenmekte ve bunun güvenilirliği %99.5 dır.

*ID:1002945 olan için iyi huylu kanserliyken kötü huylu beklenmekte ve bunun güvenilirliği %85.4 tür.

*DYNAMIC METODU

Bu yöntem başlangıç şekli oluşturur ancak ilerledikçe gizli birimler ekleyerek veya çıkararak şekli değiştirir.

Kazançlar,ağaçtaki toplam başarı sayısına bağlı olarak her kazancın içerisindeki başarı oranı olarak tanımlanır ve grafikte elde edilen değerlerimiz Best line çizgisine yakın olduğundan oldukça iyi tahmin edilmiştir

Table ‘dan Execute dediğimizde önümüze çıkan tabloda ;

*ID :1000025 olan için iyi huylu kanserliyken iyi huylu beklenmekte ve bunun güvenilirliği %98.6 dır.

*ID:1002945 olan için iyi huylu kanserliyken kötü huylu beklenmekte ve bunun güvenilirliği %93.7 dir.

En önemli nitelikler sırasıyla basit çekirdek,

hücre şekli homojenliği, normal çekirdektir. Daha az önemli olan nitelikler ise sırasıyla küme dolgunluğu , yumuşak kromotin mikarı, kenardaki bileşim , epitel hücre ve mitozlardır.

YAPAY SiNiR AĞLARI

*QUiCK METODU

Bu method ağ için uygun bir şekil seçmek için kullanılır.

Karar ağacı algoritmalarına genel olarak bakacak olursak 3 algoritma arasında çok da fark yoktur. C&R algoritmasının %1’lik bir farkla iyi huylu kanser hücrelerini daha doğru tahmin ettiğini ;CHAID algoritmasının ise %2’lik bir farkla kötü huylu kanser hücrelerini daha doğu tahmin ettiğini söyleyebiliriz.

QUEST ile tahmin etiğimiz değerlerin doğruluk oranlarına bakacak olursak; iyi huylu kanser hücrelerinin % 99’SI doğru tahmin edilmiş; %3.93’ü yanlış tahmin edilmiştir.Köyü huylu kanser hücrelerinin % 92’si doğru tahmin %7.88’i yanlış tahmin edilmiştir.

Hücre şeklinin 3.568’den büyük olduğu kanser hücrelerinin %90 ‘i kötü huyludur,%10’u iyi huyludur.Hücre şeklinin 3.568’ten küçük ve hücre büyüklüğünün 2.801’den küçük olduğu kanserli hücrelerin %97’si iyi huyludur.Hücre şeklinin 3.568’den büyük olduğu hücre büyüklüğünün 2.37 ve 5.35 arasında olduğu hücrelerin %87’si kötü huyludur.

QUEST algoritması

Quest algoritmasına göre en önemli nitelikler hücre büyüklüğü ve hücre şeklidir. Diğer önemli değişkenler ise sırasıyla yumuşak kromotin ,epitel hücre, kenardaki birleşim , normal çekirdek basit çekirdek, küme dolgunluğudur.Quest methodu ikili sınıflandırma sağlar.Geniş C&R analizi için gereken işlem zamanını kısaltmak için tasarlanmıştır.Aynı zamanda daha fazla dallanma eğilimini azaltır

Başarı olan her kazançtaki kayıtların yüzdesiyle

veri setindeki tüm başarıların yüzdesini

karşılaştırır grafikte elde edilen değerlerimiz Best line çizgisine yakın olduğundan oldukça

iyi tahmin edilmiştir

Kazançlar,ağaçtaki toplam başarı sayısına bağlı

olarak her kazancın içerisindeki başarı oranı olarak tanımlanır ve grafikte elde edilen değerlerimiz Best line çizgisine yakın olduğundan oldukça iyi tahmin edilmiştir.

CHAID ile tahmin ettigimiz degerlerin dogruluk oranlarına bakacak olursak; iyi huylu kanser hücrelerinin % 95.41’i dogru tahmin edilmiş; %4.58’ i yanlış tahmin edilmiştir.Kötü huylu kanser hücrelerinin % 97’si dogru tahmin %2.9’ u yanlış tahmin edilmiştir.

Hücre büyüklügü 9’dan büyük olan kanser hücrelerinin tamamı kötü huyludur.Hücre büyüklügü 1 ve 1’den daha küçük olduğu durumlarda kanser hücrelerinin %98.5’i iyi huyludur.Hücre büyüklügü 3ve 9 arasında olan kenardaki birleşimi 1’den büyük olan kanser hücrelerinin %93.28 ‘i kötü huyludur.Hücre büyüklüğü 1 ve 1’den küçük basit çekirdegi 0,1,2,3,4 olan kanser hücrelerinin tamamı iyi huyludur.

Hücre büyüklüğü en önemli nitelik olarak elde edilirken, basit çekirdek,kenardaki birleşim,epitel hücre daha az önemde bulunmuştur

CHAID ALGORITMASI

CHAID optimal karar ağaçlarını oluşturabilmek için chi-square istatistiğini kullanır.C&R ve QUEST düğümler aksine ; ikili olmayan ağaçlar üretebilir yani 2 daldan daha fazla bölünebilir.Hedef değişken aralık ya da kateogorik olabilir.

Başarı degerleri ve ideal kazançların

toplandıgı yer zirve noktasına dogrudur.

Başarı olan her kazançtaki kayıtların yüzdesiyle veri setindeki tüm başarıların yüzdesini

karşılaştırır grafikte elde edilen degerlerimiz Best line çizgisine yakın oldugundan oldukça

iyi tahmin edilmiştir

Kazançlar,agaçtaki toplam başarı sayısına

baglı olarak her kazancın içerisindeki başarı oranı olarak tanımlanır ve grafikte elde edilen degerlerimiz Best line çizgisine yakın oldugundan oldukça iyi tahmin edilmiştir

C&R ile tahmin ettiğimiz degerlerin dogruluklarına bakarsak; Iyi huylu olan kanser hücrelerin %96.28’ini dogru ; %3.71’ini yanlış tahmin etmiştir. Kötü huylu olan kanser hücrelerin %95.85’ini dogru ; %4.14’ünü yanlış tahmin etmiştir.

*Ilk node a baktıgımızda elimizdeki kanserli hücrelerin %65.52’sinin iyi huylu %34.47’sinin kötü huylu oldugunu söyleyebiliriz.

*Hücre büyüklügü 2.5’ten küçük olan kanserli hücrelerden %97.2’si iyi huylu, %2.79’u kötü huyludur.

*Hücre büyüklügünün ve hücre şeklinin 2.5’ten büyük oldugu kanser hücrelerinin %90’ı kötü huyludur.

*Hücre büyüklügünün ve hücre şeklinin 2.5’ten büyük ve basit çekirdegin 3,4,5,6,7,8,9 oldugu kanser hücrelerinin %95’i kötü huyludur.

*Hücre büyüklügünün 2.5’ten büyük ve hücre şeklinin 2.5 ve 3.5 arasında oldugu kanser hücrelerinin tamamı iyi huyludur.

Verimiz Wisconsin Üniversitesi’nin elde ettigi

meme kanseri verileridir. 699 kişinin

bulgularından elde edilmiştir.

10 tane niteligimiz vardır. Bunlar;

1)ID

2)Küme dolgunlugu

3)Hücre şeklinin homojenligi

4)Kenardaki marjinal yapışma

5)Epitel hücrenin boyutu

6)Basit çekirdek

7)Yumuşak kromotin

8)Normal çekirdek

9)Mitozlar

Bu nitelikler 1 ile 10 arasında derecelendirilmiştir.

Bagımlı degişkenimiz ise sınıftır. iyi ve kötü huylu kanser hücrelerini gösterir.(2=iyi huylu; 4=kötü huylu)

Veri Madenciligi

Merve ÖZKAN

Maria KISA

Data name :

breast cancer