Σύγκριση απόδοσης μεθόδων επιλογής χαρακτηριστικών σε πρότυπα προβλήματα απόφασης: συγκριτική εφαρμογή στην ταξινόμηση δεδομένων καρκίνου του τραχήλου της μήτρας
Το θέμα της παρούσας διπλωματικής εργασίας αφορά τη συγκριτική ανάλυση μεθόδων επιλογής χαρακτηριστικών και αλγόριθμων ταξινόμησης σε ένα σύνολο πραγματικών δεδομένων. Συγκεκριμένα, έγινε προσπάθεια να αντιμετωπιστεί το πρόβλημα της διάγνωσης του καρκίνου της μήτρας, από δεδομένα που συνέλλεξε η ερε...
Αποθηκεύτηκε σε:
| Κύριος συγγραφέας: | |
|---|---|
| Άλλοι συγγραφείς: | |
| Γλώσσα: | el_GR |
| Δημοσίευση: |
2023
|
| Θέματα: | |
| Διαθέσιμο Online: | http://hdl.handle.net/11610/25214 |
| Ετικέτες: |
Προσθήκη ετικέτας
Δεν υπάρχουν, Καταχωρήστε ετικέτα πρώτοι!
|
| Περίληψη: | Το θέμα της παρούσας διπλωματικής εργασίας αφορά τη συγκριτική ανάλυση μεθόδων επιλογής χαρακτηριστικών και αλγόριθμων ταξινόμησης σε ένα σύνολο πραγματικών δεδομένων. Συγκεκριμένα, έγινε προσπάθεια να αντιμετωπιστεί το πρόβλημα της διάγνωσης του καρκίνου της μήτρας, από δεδομένα που συνέλλεξε η ερευνητική ομάδα του εργαστηρίου MDE-LAB του Πανεπιστημίου Αιγαίου, με στόχο να μπορέσει ο εξεταζόμενος αλγόριθμος ταξινόμησης να προβλέψει σωστά μία νέα παρατήρηση ως φυσιολογική ή μη. Μελετήθηκαν διάφορες μέθοδοι επιλογής χαρακτηριστικών προκειμένου να μειωθεί η πολυπλοκότητα και ο τυχόν θόρυβος στα δεδομένα του προβλήματος και δόθηκε έμφαση στην απόδοση-αποτελεσματικότητα των επιλεγμένων μεθόδων ταξινόμησης. Για την ανάλυση των δεδομένων και την παραγωγή των αποτελεσμάτων, χρησιμοποιήθηκε το πρόγραμμα Jypiter Notebook (anaconda3) το οποίο διαθέτει μία μεγάλη βιβλιοθήκη αλγόριθμων και παρέχει ένα εύχρηστο περιβάλλον στο χρήστη. Σε αυτή τη μελέτη, χρησιμοποιήθηκε μία βάση δεδομένων η οποία περιέχει 917 παρατηρήσεις κυττάρων και 20 χαρακτηριστικά τα οποία περιγράφουν την κάθε περίπτωση και έγινε σύγκριση της προβλεπτικής ικανότητας των αλγόριθμων ταξινόμησης σε ένα πρόβλημα δύο κλάσεων. Η εργασία χωρίζεται σε πέντε (5) κεφάλαια. Στο πρώτο κεφάλαιο γίνεται μία εισαγωγή και αναφορά στο γενικότερο θέμα της μηχανικής μάθησης. Το δεύτερο κεφάλαιο εστιάζει στο κομμάτι της επιλογής χαρακτηριστικών και παρουσιάζονται συγκεκριμένες μέθοδοι μέσα από τη βιβλιογραφία. Στο τρίτο κεφάλαιο παρουσιάζεται το πρόβλημα της ταξινόμησης και πώς αυτό συνδέεται άμεσα με τη διαδικασία της επιλογής χαρακτηριστικών και γίνεται περιγραφή βασικών αλγόριθμων ταξινόμησης. Το τέταρτο κεφάλαιο περιλαμβάνει την πειραματική ανάλυση καθώς και όλα τα αποτελέσματα που προέκυψαν από το Jypiter Notebook και τέλος, στο πέμπτο κεφάλαιο, γίνεται αναφορά στον τρόπο εργασίας και τη μεθοδολογία που ακολουθήθηκε καθ’ όλη τη διάρκεια της έρευνας και παρατίθενται ορισμένα βασικά συμπεράσματα σχετικά με το θέμα. Εφαρμόστηκαν διάφοροι συνδυασμοί μεθόδων επιλογής χαρακτηριστικών και αλγόριθμων ταξινόμησης με πολύ καλά αποτελέσματα και όπως προέκυψε μέσα από την έρευνα, αυτός που επιτυγχάνει τις καλύτερες επιδόσεις είναι εκείνος που περιλαμβάνει τη μέθοδο Recursive Feature Elimination για το κομμάτι της επιλογής χαρακτηριστικών και τον αλγόριθμο ταξινόμησης Logistic Regression. Όπου το ποσοστό ακρίβειας σωστά ταξινομημένων περιπτώσεων φτάνει το 93.4% και η ικανότητα σωστής εκτίμησης των πραγματικά θετικών περιπτώσεων, δηλαδή των ατόμων που πάσχουν από καρκίνο, που αποτελεί ένα μέτρο επίσης μεγάλης σπουδαιότητας για έναν ταξινομητή σε προβλήματα τέτοιας μορφής, αγγίζει το πολύ υψηλό 97.1%. Ο RFE συγκεκριμένα, λειτουργεί αναζητώντας ένα υποσύνολο χαρακτηριστικών ξεκινώντας με όλο το σύνολο των δεδομένων εκπαίδευσης και αφαιρεί με επιτυχία χαρακτηριστικά έως ότου παραμείνει ο επιθυμητός αριθμός. Αυτό επιτυγχάνεται προσαρμόζοντας τον αλγόριθμο μάθησης που χρησιμοποιείται στον πυρήνα του μοντέλου, όπου στη συγκεκριμένη περίπτωση είναι ο Gardient Boost, ταξινομώντας χαρακτηριστικά ως προς την σημαντικότητά τους. |
|---|