22、肿瘤数据集分析与情感分析研究

肿瘤数据集分析与情感分析研究

肿瘤数据集分析

数据处理与研究目的

在肿瘤数据研究领域，为了确定受原发性肿瘤影响最大的年龄组和性别，研究人员收集了包含 339 个实例和 17 个属性的原发性肿瘤数据集。该数据集的分类采用了多种分类技术，并测量数据集概率以确定其正确性。借助监督式类平衡器，将不平衡的数据集进行平衡处理，提高了数据集的特征和预测比率。

数据处理流程

1. 类平衡 ：最初的数据集存在不平衡问题，包含重要和不重要的属性。使用类平衡器对不平衡数据进行平衡，提高预测比率。在 Weka 的众多过滤器中，类平衡器对于原发性肿瘤数据集是最佳且最准确的。它能使所有实例权重相同，且所有实例权重之和不变，有助于分类器给出更相关的结果。
2. 分类 ：使用不同的 Weka 工具对数据集进行分类和训练，以实现更好的预测和结果。具体使用的分类器包括零、决策树桩、随机森林、随机树、IBK、LogitBoost、贝叶斯网络、逻辑回归、SMO 和朴素贝叶斯等。不同分类器具有不同的特点：
   • 零分类器 ：为其他分类方法提供基准，仅依赖目标类，不考虑其他预测类。
   • 贝叶斯网络分类器 ：表示有向无环图，其曲线显示贝叶斯网络变量。
   • 朴素贝叶斯分类器 ：基于贝叶斯定理，是一组具有相同原理的算法。
   • SMO ：在训练过程中解决与二