بررسی تاثیر پیش پردازش بر روی کیفیت داده و مدل های پیش بینی عود مجدد سرطان پستان

امروزه به دلیل شیوع انواع سرطان ها، محققان زیادی علاقه مند به کشف دانش مفید موجود در داده های سرطانی شده اند.داده کاوی یکی از ابزارهای قدرتمندی است که بدین منظور استفاده می شود اما نتایج آن زمانی قابل اعتماد و مفید است کهداده های با کیفیتی در اختیار باشد. با توجه به اینکه اکثر داده های دنیای واقعی دارای نواقصی همچون ناسازگاری، خطا،نویز، مقادیر گمشده و ... میباشند، پیش پردازش داده ها امری جداناپذیر از داده کاوی است. در این مقاله بر روی یکمجموعه داده واقعی سرطان پستان کار شده که هدف بررسی تاثیر پیش پردازش برروی کیفیت داده و نتایج مدلهایپیش بینی عود سرطان پستان می باشد. در ابتدا با استفاده از سه الگوریتم طبقه بندی نزدیکترین همسایه، بیز ساده و بهینه سازیحداقل ترتیبی، مدلهای پیش بینی ساخته شده اند. سپس پیش پردازش هایی از قبیل رفع خطا و ناسازگاری، پرکردن مقادیربدون محتوی و کاهش داده (انتخاب ویژگی) بر روی مجموعه داده اعمال و مجددا مدل های پیش بینی ساخته شده اند. درپایان نتایج مدل های پیش بینی با استفاده از دو معیار صحت و حساسیت با یکدیگر مقایسه گردیده اند. نتایج ارزیابی نشانمیدهد که مدل های پیش بینی بهینه سازی حداقل ترتیبی از نظر صحت و حساسیت به ترتیب 3.56 و 73.59، بیز ساده 4.86 و66.16 و نزدیکترین همسایه 5.4 و 60.9 درصد نسبت به قبل از پیش پردازش دادهها رشد داشته است. بنابراین پیشپردازش موجب بهبود نتایج طبقه بندی و کیفیت داده می شود.

کلیدواژه ها:

پیش پردازش داده ها ، سرطان سینه ، داده کاوی ، کیفیت داده ، طبقه بندی