[論文レビュー] Classification of Diabetes Mellitus using Modified Particle Swarm Optimization and Least Squares Support Vector Machine

Omar S. Soliman, Eman AboElhamd|arXiv (Cornell University)|May 3, 2014

Artificial Intelligence in Healthcare参考文献 15被引用数 5

ひとこと要約

本稿では、修正粒子群最適化法（MPSO）と最小二乗法サポートベクターマシン（LS-SVM）を組み合わせたハイブリッド分類モデルを提案し、糖尿病性疾患2型の診断を改善することを目的としている。MPSOはLS-SVMの重要なパラメータを最適化することで分類精度を向上させ、ピマインディアンズ糖尿病データセットにおいて平均97.833％の精度を達成した。これは、同じベンチマークでテストされた他の分類器よりも優れている。

ABSTRACT

Diabetes Mellitus is a major health problem all over the world. Many classification algorithms have been applied for its diagnoses and treatment. In this paper, a hybrid algorithm of Modified-Particle Swarm Optimization and Least Squares- Support Vector Machine is proposed for the classification of type II DM patients. LS-SVM algorithm is used for classification by finding optimal hyper-plane which separates various classes. Since LS-SVM is so sensitive to the changes of its parameter values, Modified-PSO algorithm is used as an optimization technique for LS-SVM parameters. This will Guarantee the robustness of the hybrid algorithm by searching for the optimal values for LS-SVM parameters. The pro-posed Algorithm is implemented and evaluated using Pima Indians Diabetes Data set from UCI repository of machine learning databases. It is also compared with different classifier algorithms which were applied on the same database. The experimental results showed the superiority of the proposed algorithm which could achieve an average classification accuracy of 97.833%.

研究の動機と目的

• LS-SVMのパラメータ選択に対する感受性を軽減すること。
• 最適化された機械学習モデルを用いて2型糖尿病の分類精度を向上させること。
• MPSOとLS-SVMを統合した強力なハイブリッドアルゴリズムを構築すること。
• 標準ベンチマークデータセット上で提案モデルを評価し、既存の分類器と比較すること。

提案手法

• 修正粒子群最適化法（MPSO）を用いて、最小二乗法サポートベクターマシン（LS-SVM）の最適パラメータを探索する。
• LS-SVMは、糖尿病患者を陽性または陰性のクラスに分類するための最適な分離超平面を構築する。
• MPSOアルゴリズムは、適応的パラメータチューニングにより分類誤差を最小化することで、LS-SVMの性能を向上させる。
• ハイブリッドモデルは、UCI機械学習レポジトリのピマインディアンズ糖尿病データセットを用いて学習およびテストされた。
• 性能は標準的な分類指標を用いて評価され、複数のベースライン分類器と比較された。
• パラメータ最適化は、LS-SVMの正則化およびカーネルパラメータに焦点を当て、精度を最大化することを目的としていた。

実験結果

リサーチクエスチョン

• RQ1 修正PSOアルゴリズムは、LS-SVMのパラメータを最適化することで、糖尿病分類の性能を向上させることができるか？
• RQ2 ハイブリッドMPSO-LS-SVMモデルは、ピマインディアンズ糖尿病データセットにおいて、従来の分類器を上回る精度を達成するか？
• RQ3 LS-SVMの性能はパラメータ選択にどの程度感受性を示すか？また、MPSOはその感受性を軽減できるか？
• RQ4 提案モデルの分類精度は、同じベンチマークで他の既存手法と比較してどうなるか？

主な発見

• 提案されたMPSO-LS-SVMハイブリッドモデルは、ピマインディアンズ糖尿病データセットで平均97.833％の分類精度を達成した。
• 他のテストされた分類器よりも優れた診断性能を示し、優れた性能を発揮した。
• MPSOによるパラメータ最適化は、LS-SVMのロバスト性および分類の安定性を顕著に向上させた。
• 結果から、LS-SVMはパラメータ値に極めて感受性を示すことが確認され、MPSOがその問題を効果的に緩和できることも示された。
• ハイブリッド手法は、臨床的および研究的現場における2型糖尿病分類の信頼性の高い正確なソリューションを提供する。