تاثیر روش های جانشینی مقادیر مفقود در کلاسه بندی داده های پزشکی

وجود درصد زیادی از مقادیر مفقود شده در داده های پزشکی معمول می باشد. این مقادیر می توانندتمام فرایند داده کاوی و تفسیرهای حاصل را تحت تاثیر قرار دهند. اکثر الگوریتم های داده کاوی با این فرضطراحی شده اند که هیچ مقدار مفقودی در مجموعه داده ها وجود ندارد. بنابراین برخورد با مقادیر مفقود می تواند بظور قابل ملاحظه ای کیفیت داده کاوی را افزایش دهد. در این مقاله، تاثیر روش های معروف جانشینی مقادیر مفقود شامل،KNN ، Hot Deck ،mean/mode وRegression و Case Deletion ،All possible Value ،Maximum Possible Valueبر روی دقت کلاسه بندی با آزمایش بر روی هفت مجموعه داده ی پزشکی مختلف شامل انواع داده های عددی و اسمی مورد بررسی و ارزیابی قرار می گیرند. کلاسه بندهای مورد استفاده، شبکه های عصبی و نزدیکترینkهمسایه هستند که مشهورترین و پرکاربردترین الگوریتم های کلاسه بندی در داده کاوی پزشکی محسوب می شوند. آزمایشات بر روی نرخ های متفاوت بین 5 تا 50 درصد از مقادیر مفقود از انجام می گیرند

کلیدواژه ها:

مقادیر مفقود ، روش های جانشینی ، داده کاوی پزشکی ، کلاسه بندی