[논문 리뷰] A Comparative Study for Predicting Heart Diseases Using Data Mining Classification Methods

Israa Ahmed Zriqat, Ahmad Mousa Altamimi외 1명|arXiv (Cornell University)|2017. 04. 10.

Artificial Intelligence in Healthcare참고 문헌 19인용 수 49

한 줄 요약

이 연구는 MATLAB 환경에서 대규모 데이터셋을 사용하여 심장병 예측을 위한 다섯 가지 데이터 마이닝 분류 알고리즘—나이브 베이즈, 결정 트리, 할당 분석, 랜덤 포레스트, 서포트 벡터 머신—을 평가한다. 결정 트리가 99.0%의 가장 높은 정확도를 기록하여 랜덤 포레스트와 같은 앙상블 변형보다도 뛰어난 성능을 보였으며, 이는 이 특정 데이터셋에서는 개별 트리 모델이 앙상블 방법보다 심장병 예측에 더 효과적일 수 있음을 시사한다.

ABSTRACT

Improving the precision of heart diseases detection has been investigated by many researchers in the literature. Such improvement induced by the overwhelming health care expenditures and erroneous diagnosis. As a result, various methodologies have been proposed to analyze the disease factors aiming to decrease the physicians practice variation and reduce medical costs and errors. In this paper, our main motivation is to develop an effective intelligent medical decision support system based on data mining techniques. In this context, five data mining classifying algorithms, with large datasets, have been utilized to assess and analyze the risk factors statistically related to heart diseases in order to compare the performance of the implemented classifiers (e.g., Naïve Bayes, Decision Tree, Discriminant, Random Forest, and Support Vector Machine). To underscore the practical viability of our approach, the selected classifiers have been implemented using MATLAB tool with two datasets. Results of the conducted experiments showed that all classification algorithms are predictive and can give relatively correct answer. However, the decision tree outperforms other classifiers with an accuracy rate of 99.0% followed by Random forest. That is the case because both of them have relatively same mechanism but the Random forest can build ensemble of decision tree. Although ensemble learning has been proved to produce superior results, but in our case the decision tree has outperformed its ensemble version.

연구 동기 및 목표

• 더 나은 심장병 예측을 위한 데이터 마이닝 기법을 활용한 지능형 의료 의사결정 지원 시스템 개발.
• 대규모 심장병 데이터셋에서 다섯 가지 분류 알고리즘의 성능을 평가하고 비교.
• 조기 심장병 진단을 위한 가장 정확하고 신뢰할 수 있는 분류기 식별.
• 데이터 기반 위험 요인 분석을 통한 진단 오류 감소 및 의료 비용 절감.
• 기계 학습을 활용한 임상 의사결정 지원를 위한 실용적이고 고정확도의 솔루션 제공.

제안 방법

• 다섯 가지 데이터 마이닝 분류 알고리즘을 구현함: 나이브 베이즈, 결정 트리, 할당 분석, 랜덤 포레스트, 서포트 벡터 머신.
• 실험은 MATLAB 환경에서 실세계 심장병 데이터셋 두 개를 사용하여 수행됨.
• 분류기는 표준화된 데이터로 학습 및 테스트되었으며, 정확도를 주요 평가 지표로 사용함.
• 위험 요인을 규명하기 위해 특징 선택 및 통계 분석을 적용함.
• 랜덤 포레스트에서는 다수의 결정 트리를 조합하여 일반화 능력을 향상시키기 위해 앙상블 학습을 사용함.
• 성능 비교는 분류 정확도를 기반으로 하였으며, 모든 다섯 알고리즘에 대해 결과 분석을 수행함.

실험 결과

연구 질문

• RQ1 심장병을 예측하는 데 가장 높은 정확도를 기록하는 데이터 마이닝 분류 알고리즘은 무엇인가?
• RQ2 이 맥락에서 개별 트리 기반 모델은 랜덤 포레스트와 같은 앙상블 방법과 비교해 어떻게 성능을 내는가?
• RQ3 데이터 마이닝 기법은 진단 오류를 얼마나 줄이고 임상 의사결정을 얼마나 지원할 수 있는가?
• RQ4 분류기가 식별한 심장병의 가장 통계적으로 유의미한 위험 요인은 무엇인가?
• RQ5 대규모 데이터셋의 사용은 다양한 알고리즘 간의 예측 성능 향상에 실제로 기여하는가?

주요 결과

• 결정 트리 분류기가 심장병 예측에서 99.0%의 가장 높은 정확도를 기록함.
• 랜덤 포레스트는 결정 트리의 앙상블임에도 불구하고 개별 결정 트리 모델보다 약간 낮은 성능을 보임.
• 모든 다섯 분류기 모두 강력한 예측 성능을 보였으며, 정확도가 95% 이상임.
• 이 연구는 데이터 마이닝 기법이 진단 정밀도를 크게 향상시키고 의료 오류를 감소시킬 수 있음을 확인함.
• 이 데이터셋에서는 단일 결정 트리의 단순성과 해석 가능성은 앙상블 학습의 이점을 초월할 수 있음이 시사됨.
• 할당 분석과 나이브 베이즈는 중간 수준의 성능을 보였으며, 결정 트리 및 랜덤 포레스트보다 낮게 평가됨.