[论文解读] Classification of Heart Disease Using K- Nearest Neighbor and Genetic Algorithm

M. A. Jabbar, B. L. Deekshatulu+1 more|arXiv (Cornell University)|May 7, 2015

Artificial Intelligence in Healthcare被引用 6

一句话总结

本文提出一种混合K近邻（KNN）与遗传算法（GA）的方法，以提高心脏病分类的准确性。通过使用GA优化特征选择，KNN负责分类，该方法在高维医疗数据集上提升了诊断精度，相较于标准KNN表现出更优的性能。

ABSTRACT

Data mining techniques have been widely used to mine knowledgeable information from medical data bases. In data mining classification is a supervised learning that can be used to design models describing important data classes, where class attribute is involved in the construction of the classifier. Nearest neighbor (KNN) is very simple, most popular, highly efficient and effective algorithm for pattern recognition.KNN is a straight forward classifier, where samples are classified based on the class of their nearest neighbor. Medical data bases are high volume in nature. If the data set contains redundant and irrelevant attributes, classification may produce less accurate result. Heart disease is the leading cause of death in INDIA. In Andhra Pradesh heart disease was the leading cause of mortality accounting for 32%of all deaths, a rate as high as Canada (35%) and USA.Hence there is a need to define a decision support system that helps clinicians decide to take precautionary steps. In this paper we propose a new algorithm which combines KNN with genetic algorithm for effective classification. Genetic algorithms perform global search in complex large and multimodal landscapes and provide optimal solution. Experimental results shows that our algorithm enhance the accuracy in diagnosis of heart disease.

研究动机与目标

• 解决由于高容量医疗数据集中冗余和无关特征导致心脏病诊断分类准确率低下的挑战。
• 开发一种决策支持系统，协助临床医生在高死亡率地区（如印度安得拉邦）实现心脏病的早期检测和预防性护理。
• 通过将遗传算法与K近邻（KNN）分类器结合，实现最优特征子集选择，从而提升KNN分类器的性能。
• 评估所提出的混合模型在提升诊断准确性方面相对于传统KNN及其他基线方法的有效性。

提出的方法

• 使用遗传算法（GA）执行全局搜索，从心脏病数据集中识别最优特征子集，降低维度并消除无关或冗余属性。
• 将GA选出的特征用作K近邻（KNN）分类器的输入，该分类器根据k个最近邻训练样本中的多数类别分配类别标签。
• GA中的适应度函数设计为最大化分类准确率，使用交叉验证评估每个特征子集的性能。
• 通过选择、交叉和变异操作迭代演化特征子集，直至收敛至近似最优解。
• 混合模型结合了GA的全局搜索能力与KNN的局部实例化分类能力，从而提升整体诊断性能。
• 该方法在标准心脏病数据集上进行评估，性能通过分类准确率及其他标准指标进行衡量。

实验结果

研究问题

• RQ1 将遗传算法与K近邻结合是否能提升心脏病诊断中的分类准确率？
• RQ2 基于GA的特征选择在减少高维医疗数据集中无关和冗余特征方面的有效性如何？
• RQ3 所提出的混合模型是否优于标准KNN及其他基线分类器在心脏病诊断中的表现？
• RQ4 通过GA进行特征优化在多大程度上提升了KNN分类器在临床数据中的鲁棒性和可靠性？

主要发现

• 所提出的KNN-GA混合模型通过优化特征选择，显著提升了分类准确率，相较于标准KNN表现更优。
• 使用遗传算法通过仅选择最相关特征，降低了数据集的维度，提升了模型效率和可解释性。
• 实验结果表明，该混合方法在存在噪声或冗余特征的情况下，诊断准确率高于传统KNN。
• 该方法有效应对了高容量、复杂医疗数据的挑战，适用于现实世界中的临床决策支持系统。