[論文レビュー] PCA-RF: An Efficient Parkinson's Disease Prediction Model based on Random Forest Classification

Ishu Gupta, Vartika Sharma+2 more|arXiv (Cornell University)|Mar 21, 2022

Parkinson's Disease Mechanisms and Treatments被引用数 30

ひとこと要約

本論文は PCA-RF を提案します。これはPCAで特徴量を削減した後にランダムフォレスト分類器を用いるパーキンソン病予測モデルであり、UCI Parkinson’sデータセット上で PCAなしで最大約90% の精度、PCAありで約77% の精度を達成します。

ABSTRACT

In this modern era of overpopulation disease prediction is a crucial step in diagnosing various diseases at an early stage. With the advancement of various machine learning algorithms, the prediction has become quite easy. However, the complex and the selection of an optimal machine learning technique for the given dataset greatly affects the accuracy of the model. A large amount of datasets exists globally but there is no effective use of it due to its unstructured format. Hence, a lot of different techniques are available to extract something useful for the real world to implement. Therefore, accuracy becomes a major metric in evaluating the model. In this paper, a disease prediction approach is proposed that implements a random forest classifier on Parkinson's disease. We compared the accuracy of this model with the Principal Component Analysis (PCA) applied Artificial Neural Network (ANN) model and captured a visible difference. The model secured a significant accuracy of up to 90%.

研究の動機と目的

• 医療負担を軽減し、適时介入を可能にするための早期パーキンソン病予測の動機づけ。
• 特徴量削減のためのPCAを用いた高次元医療データ向けの高精度でスケーラブルな分類器を開発する。
• 特徴量削減が分類器性能に与える影響を評価するため、PCA-RFをPCA+ANNのベースラインと比較する。
• 高次元データの取り扱いにPySparkを活用し、標準的な性能指標を評価する。

提案手法

• 754特徴のパーキンソン病データセットから削減された特徴セットを抽出するためにPCAを適用する。
• PCAで削減された特徴上でランダムフォレスト分類器を訓練し、疾患状態を予測する。
• ランダムフォレスト内の決定木分割をガイニー不純度で導く。
• 精度、感度、特異度、適合率、F1スコア、ROC分析を用いてモデル性能を評価する。
• パイプラインをPySpark上で実装し、PCA+ANNベースラインと比較する。

実験結果

リサーチクエスチョン

• RQ1 与えられたデータセットに対して、Random Forestの前にPCAを適用するとパーキンソン病予測は改善されるのか、それとも劣化するのか？
• RQ2 PCA-RFは精度や他の性能指標の点でPCA+ANNとどのように比較されるか？
• RQ3 感度や特異度などの重要な指標を損なうことなく、PCAがモデル性能に与える影響はどうか？
• RQ4 PCA-RFアプローチは高次元医療データセットに対してスケーラブルか？

主な発見

指標	PCAなし	PCAあり
Accuracy	89.867	76.651
Sensitivity	70.175	55.555
Specificity	96.470	80.628
Precision	70.175	35.087
F1 Score	77.669	43.010

• PCAなしの場合、PCA-RFは89.867%の精度、70.175%の感度、96.470%の特異度、70.175%の適合率、および77.669%のF1スコアを達成。
• PCAありの場合、PCA-RFは76.651%の精度、55.555%の感度、80.628%の特異度、35.087%の適合率、そして43.010%のF1スコアを達成。
• ROC分析は提案モデルの真陽性率が高いことを示し、識別能力が良好であることを示す。
• PCA+ANNと比較すると、PCAなし設定ではPCA-RFがより良く、PCAを適用した場合は劣ることが分かり、特徴量削減と分類器選択の相互作用を強調している。
• 報告された指標全体で、PCA-RFとPCA+ANNのベースライン間に顕著な精度差があることを指摘している。