以AdaboostM1與Bagging提高淋巴病變預測準確度

Apply AdaboostM1 and Bagging to improve the predict accuracy of Lymphatic disease

羅曉聘(Xiao-Pin Lo)

指導教授 ： 張峯銘

亞洲大學/資訊學院/資訊科學與應用學系碩士班/碩士(2009年)

摘要

本研究使用委員會機器AdaboostM1與Bagging兩種技術方法，針對淋巴病變，提高人工智慧資料探勘之準確度。所謂淋巴癌，又稱惡性淋巴瘤(Malignant Lymphoma)。到目前為止，發生淋巴癌的原因仍不甚清楚，可能造成淋巴病變的原因有很多種。因此，本研究利用人工智慧資料探勘(Data Mining)能夠從大量資料中萃取出潛在影響因素之功能，針對罹患淋巴患者的資料進行實驗，並且建立一個淋巴分類技術模型。本研究所使用的方法包括ID3、C4.5兩種決策樹、支向機(SVM)與倒傳遞類神經網路BPN，並嘗試運用前置處理工程Resample技術並使用AdaboostM1與Bagging兩種委員會機器來提高準確度，結果並與過去相關文獻結果做比較。研究結果顯示，AdaboostM1 與Bagging能夠提高預測準確度，而使用AdaboostM1提高準確度，所獲的結果為24類結果中最佳(94.5946%)其效果比使用Bagging 來的好。

關鍵字

人工智慧 ； 資料探勘 ； 支向機 ； AdaboostM1 ； Bagging

並列摘要

In this research, the use of two committee machine AdaboostM1 and Bagging’s techniques for lymphatic diseases, to improve the predict accuracy of artificial intelligence data mining. The so-called lymphoma, also called Malignant Lymphoma.

So far, the reasons for the occurrence of lymphoma is still unclear, there are many reasons may cause lymphatic disease. Therefore, the study use data mining of artificial intelligence can extracted features of the potential impact of factors from the large amounts of data, experimenting with the data from the patients who suffering from lymphatic and then established a classification model of the lymphatic.

The methods used in this research, include two decision tree ID3 and C4.5, Support Vector Machine(SVM) and back-propagation neural network(BPNN), moreover this research try to use Resample techniques in the preprocessing step, further use committee machine(AdaboostM1 and Bagging) to up the accuracy of prediction, result show will compare with the past related literatures. This research indicated AdaboostM1 and Bagging can improve the accuracy of predict, however using AdaboostM1 we got the best predict accuracy(94.5946%) than Bagging from the 24 classifications.

並列關鍵字

Data Mining ； SVM ； C4.5 ； AdaboostM1 ； Bagging

參考文獻

[23] 陳鴻斌, 利用探勘技術建構疾病查詢醫療網站, 南台科技大學資訊管理研究所, 碩

[47] 葉柏村, 運用類神經網路預測匯率–以歐元為例, 中原大學企業管理研究所, 碩士論文, 2001.

[55] 陳慧欣, 以Boosting法改進監督式分類於水稻田樣本特性之研究, 逢甲大學土地管

[2] 吳國禎, 資料探索在醫學資料庫之應用, 中原大學醫學工程研究所, 碩士論文,2000年.

[3] 藍中賢, 結合模糊集合理論與貝氏分類法之資料探勘技術–應用於健保局醫療費用審查作業, 元智大學資訊管理研究所, 碩士論文, 2000年.