| _version_ |
1828462360564596736
|
| author |
Λάσκαρης, Αλμπέρτο
|
| author2 |
Δούνιας, Γεώργιος
|
| author_facet |
Δούνιας, Γεώργιος
Λάσκαρης, Αλμπέρτο
|
| author_sort |
Λάσκαρης, Αλμπέρτο
|
| collection |
DSpace
|
| description |
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.
|
| id |
oai:hellanicus.lib.aegean.gr:11610-25214
|
| institution |
Hellanicus
|
| language |
el_GR
|
| publishDate |
2023
|
| record_format |
dspace
|
| spelling |
oai:hellanicus.lib.aegean.gr:11610-252142023-05-17T12:35:34Z Σύγκριση απόδοσης μεθόδων επιλογής χαρακτηριστικών σε πρότυπα προβλήματα απόφασης: συγκριτική εφαρμογή στην ταξινόμηση δεδομένων καρκίνου του τραχήλου της μήτρας Λάσκαρης, Αλμπέρτο Δούνιας, Γεώργιος επιλογή χαρακτηριστικών αλγόριθμοι ταξινόμησης διάγνωση του καρκίνου της μήτρας feature selection classification algorithms uterine cancer diagnosis Cancer Algorithms Classification Uterus—Cancer Logistic regression analysis 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. The subject of this dissertation concerns the comparative analysis of feature selection methods and classification algorithms in a set of real data. Specifically, an attempt was made to address the problem of diagnosing uterine cancer, from data collected by the research team of the MDE-LAB laboratory of the University of the Aegean, in order to enable the classification algorithm to correctly predict a new observation as normal or not. Various feature selection methods were studied in order to reduce the complexity and any noise in the problem data and emphasis was placed on the efficiency-effectiveness of the selected classification methods. To analyze the data and produce the results, the Jypiter Notebook program (anaconda3) was used, which has a large library of algorithms and provides a user-friendly interface. In this study, a database containing 917 cell observations and 20 features describing each case was used and the predictive power of the classification algorithms in a two-class problem was compared. The work is divided into five (5) chapters. In the first chapter there is an introduction and reference to the general topic of machine learning. The second chapter focuses on the feature selection section and presents specific methods through the literature. The third chapter presents the problem of classification and how it is directly related to the feature selection process and describes basic classification algorithms. The fourth chapter includes the experimental analysis as well as all the results obtained from the Jypiter Notebook and finally, in the fifth chapter, reference is made to the way of working and the methodology followed throughout the research and some basic conclusions are presented regarding the theme. Various combinations of feature selection methods and classification algorithms have been applied with very good results and as the research showed, the one that achieves the best performance is the one that includes the Recursive Feature Elimination method for the feature selection part and the Logistic Regression classification algorithm. Where the accuracy rate of correctly classified cases reaches 93.4% and the ability to correctly assess the really positive cases, ie people suffering from cancer, which is also a measure of great importance for a classifier in such problems, reaches a very high 97.1% . RFE, in particular, works by searching for a subset of attributes starting with the whole set of training data and successfully removing attributes until the desired number remains. This is achieved by adapting the learning algorithm used in the core of the model, where in this case is the Gardient Boost, classifying features according to their importance. 2023-05-15T13:01:23Z 2023-05-15T13:01:23Z 2021-09 http://hdl.handle.net/11610/25214 el_GR Default License 108 σ. application/pdf Χίος
|
| spellingShingle |
επιλογή χαρακτηριστικών
αλγόριθμοι ταξινόμησης
διάγνωση του καρκίνου της μήτρας
feature selection
classification algorithms
uterine cancer diagnosis
Cancer
Algorithms
Classification
Uterus—Cancer
Logistic regression analysis
Λάσκαρης, Αλμπέρτο
Σύγκριση απόδοσης μεθόδων επιλογής χαρακτηριστικών σε πρότυπα προβλήματα απόφασης: συγκριτική εφαρμογή στην ταξινόμηση δεδομένων καρκίνου του τραχήλου της μήτρας
|
| title |
Σύγκριση απόδοσης μεθόδων επιλογής χαρακτηριστικών σε πρότυπα προβλήματα απόφασης: συγκριτική εφαρμογή στην ταξινόμηση δεδομένων καρκίνου του τραχήλου της μήτρας
|
| title_full |
Σύγκριση απόδοσης μεθόδων επιλογής χαρακτηριστικών σε πρότυπα προβλήματα απόφασης: συγκριτική εφαρμογή στην ταξινόμηση δεδομένων καρκίνου του τραχήλου της μήτρας
|
| title_fullStr |
Σύγκριση απόδοσης μεθόδων επιλογής χαρακτηριστικών σε πρότυπα προβλήματα απόφασης: συγκριτική εφαρμογή στην ταξινόμηση δεδομένων καρκίνου του τραχήλου της μήτρας
|
| title_full_unstemmed |
Σύγκριση απόδοσης μεθόδων επιλογής χαρακτηριστικών σε πρότυπα προβλήματα απόφασης: συγκριτική εφαρμογή στην ταξινόμηση δεδομένων καρκίνου του τραχήλου της μήτρας
|
| title_short |
Σύγκριση απόδοσης μεθόδων επιλογής χαρακτηριστικών σε πρότυπα προβλήματα απόφασης: συγκριτική εφαρμογή στην ταξινόμηση δεδομένων καρκίνου του τραχήλου της μήτρας
|
| title_sort |
σύγκριση απόδοσης μεθόδων επιλογής χαρακτηριστικών σε πρότυπα προβλήματα απόφασης συγκριτική εφαρμογή στην ταξινόμηση δεδομένων καρκίνου του τραχήλου της μήτρας
|
| topic |
επιλογή χαρακτηριστικών
αλγόριθμοι ταξινόμησης
διάγνωση του καρκίνου της μήτρας
feature selection
classification algorithms
uterine cancer diagnosis
Cancer
Algorithms
Classification
Uterus—Cancer
Logistic regression analysis
|
| url |
http://hdl.handle.net/11610/25214
|
| work_keys_str_mv |
AT laskarēsalmperto synkrisēapodosēsmethodōnepilogēscharaktēristikōnseprotypaproblēmataapophasēssynkritikēepharmogēstēntaxinomēsēdedomenōnkarkinoutoutrachēloutēsmētras
|