Breast Cancer data mining KDD
1 like410 views
Breast Cancer data mining KDD
- 1. การวิเคราะหขอมูลผูปวยมะเร็งเตานม ในขั้นตอนการวินิจฉัย โดย B5304516 นายภูริเดช สุดสี Sunday, December 9, 12
- 2. ชื่อขอมูล : Wisconsin Diagnostic Breast Cancer (WDBC) ผูสราง : Dr. William H. Wolberg , W. Nick Street, Olvi L. Mangasarian จำนวนตัวอยาง : 569 ตัวอยาง จำนวน Attributes : 32 Attributes Missing value : ไมมี การกระจายของ diagnosis ในกลุมตัวอยาง : 357 benign , 212 malignant ขอมูลของ Dataset Sunday, December 9, 12
- 3. 3 ลำดับที่ 1 : ID number ลำดับที่ 2 : ระดับความรุนแรง (M – “รุนแรงมาก” , B – “รุนแรงนอย”) ลำดับที่ 3-32 : แบงขอมูลออกเปน 3 ชุด แตละชุดมี 10 คาขอมูล ดังนี้ a) รัศมี b) ความแนน c) ความยาวโดยรอบ d) พื้นที่ e) ความเรียบ f) การจัดกลุม g) สวนเวา (สวนตางสวนเวาของรูปราง) h) จุดสวนเวา i) คาความสมมาตร j) มิติเศษสวน (“การประมาณชวงขอบ” – 1) (1) id (2) diagnosis (3) raius_m (4) texture_m (5) perimeter_m (6) area_m (7) smoothness_m (8) compactness_m (9) concavity_m (10) concave_point_m (11) symmetry_m (12) fractal_dimension_m (13) raius_se (14) texture_se (15) perimeter_se (16) area_se (17) smoothness_se (18) compactness_se (19) concavity_se (20) concave_point_se (21) symmetry_se, (22) fractal_dimension_se (23) raius_w (24) texture_w (25) perimeter_w (26) area_w (27) smoothness_w (28) compactness_w (29) concavity_w (30) concave_point_w (31) symmetry_w (32) fractal_dimension_w Attributes Sunday, December 9, 12
- 4. Sunday, December 9, 12
- 6. Sunday, December 9, 12
- 7. Target goal เปนระดับ ความรุนแรง (diagnosis) Sunday, December 9, 12
- 8. 8 Decision Tree 94.56% Rule Induction93.15% k-NN 83.65% Naive Bayes 93.51% Sunday, December 9, 12