Насколько точно мы можем предсказать болезнь сердца у пациентов, учитывая набор факторов здоровья и образа жизни?
В этом упражнении мы рассматриваем данные о заболеваниях сердца у пациентов из Южной Африки (n = 462).
Краткий обзор данных:
Целевой столбец CLASS представляет наличие болезни сердца у пациента {+1 для положительного результата; -1 для отрицательного}.
9 функциональных столбцов:
- sdp: систолическое артериальное давление (мм рт.ст.)
- табак: кумулятивный табак (кг)
- ldl: холестерин липопротеинов низкой плотности (ед.?)
- ожирение: индекс ожирения
- famhist (номинал): {1 — положительный семейный анамнез; 0 без истории}
- typea: поведение типа A (единицы?)
- ожирение: индекс массы тела
- алкоголь: текущее потребление алкоголя (ед.?)
- возраст: возраст начала заболевания (лет)
В классах {+1/-1} есть разделение 35/65%, поэтому мы можем продолжить обучение модели машинного обучения.
Для этой задачи я использовал обучающее дерево решений в KNIME. Вот мой рабочий процесс:
В основном я придерживался настроек дерева решений по умолчанию, за одним исключением: я включил обрезку, чтобы предотвратить большие деревья, склонные к переоснащению.
Матрица путаницы, сгенерированная на тестовом наборе, была следующей:
Общая точность обученной модели составила 74%, что достаточно хорошо. Но чувствительность обученной модели (вероятность того, что пациент с сердечным заболеванием был правильно предсказан,имеет его) составляла всего 50 % (=16/(16+16) ). С другой стороны, модель очень хорошо предсказывала отрицательные значения, 87 % (= 53/(53+8)).
Вот дерево решений:
Как видите, финальное дерево очень простое и включает только три из девяти характеристик: возраст, фамист и табак — разве это удивительно? Ну и да, и нет!
Из этого анализа ясно, что пожилой возраст (> 49,5 лет) и наличие положительного семейного анамнеза делают человека предрасположенным к заболеванию. А для тех, у кого нет семейного анамнеза, высокий уровень потребления табака повышает риск. Все остальные характеристики были относительно доброкачественными.
Дайте мне знать, если у вас есть отзывы и предложения по улучшению. Я всегда открыт для обучения у других, особенно у тех, кто имеет схожие интересы с моими.
Спасибо за чтение.
Набор данных:
Бартли, Кристофер, 2016 г., Данные репликации: южноафриканская болезнь сердца, https://doi.org/10.7910/DVN/76SIQD, Harvard Dataverse, V1, UNF:6:a/ B6kC/0YiXgVVREW3g23Q== [файлUNF]