EJEMPLO DE SELECCIÓN DE MEDICINA UTILIZANDO

EL SW WEKA

Problema:

En este caso se trata de predecir el tipo de medicamento que se debe administrar a un paciente con una enfermedad determinada según distintos parámetros/variables. Las variables que se recogen en los historiales clínicos de cada paciente son:

Age: Edad Sex: Sexo BP (Blood Pressure): Tensión sanguínea. Cholesterol: nivel de colesterol. Na: Nivel de sodio en la sangre. K: Nivel de potasio en la sangre.

Hay cinco tratamientos posibles: DrugA, DrugB, DrugC, DrugX, DrugY. los datos del medicamento idóneo para muchos pacientes se han tomade de cuatro hospitales.

Cargar el proyecto:

Una vez inicializado el weka procedemos a cargar el proyecto de la siguiente manera:

Análisis del proyecto:

Aquí analizamos cuantos atributos tenemos y de que tipo son:

En la grafica anterior nos podemos dar cuenta que tenemos 7 atributos y en la parte derecha de la pantalla podemos ver el tipo de atributo y los componentes que tiene.

Lo mismo podemos hacer con todas las variables para poder darnos cuenta.

Clasificación:

En la pantalla nos muestra los parámetros a escoger para poder generar el árbol de clasificación.

En este caso tomamos el J48, en test options damos clic en la pestaña Use training set y por último damos clic en start y podemos darnos cuenta que nos da una tabla de resultados.

=== Run information ===

Scheme: weka.classifiers.trees.J48 -C 0.25 -M 2Relation: DRUG1nInstances: 200Attributes: 7 Age Sex BP Cholesterol Na K DrugTest mode: evaluate on training data

=== Classifier model (full training set) ===

J48 pruned tree------------------

K <= 0.055221| K <= 0.037124: drugY (56.0)| K > 0.037124| | Na <= 0.685143| | | BP = HIGH| | | | Na <= 0.656371: drugA (6.0)| | | | Na > 0.656371: drugY (2.0/1.0)| | | BP = LOW| | | | Sex = F: drugC (3.0)| | | | Sex = M: drugX (4.0/1.0)| | | BP = NORMAL: drugX (11.0/1.0)| | Na > 0.685143: drugY (33.0/2.0)K > 0.055221| BP = HIGH| | Age <= 50: drugA (17.0)| | Age > 50: drugB (15.0)| BP = LOW| | Cholesterol = HIGH: drugC (14.0/1.0)| | Cholesterol = NORMAL: drugX (13.0)| BP = NORMAL: drugX (26.0)

Number of Leaves : 12

Size of the tree : 21

Time taken to build model: 0.02 seconds

=== Evaluation on training set ====== Summary ===

Correctly Classified Instances 194 97 %Incorrectly Classified Instances 6 3 %Kappa statistic 0.9568Mean absolute error 0.0199Root mean squared error 0.0997Relative absolute error 7.1292 %Root relative squared error 26.749 %Total Number of Instances 200

=== Detailed Accuracy By Class ===

TP Rate FP Rate Precision Recall F-Measure Class 0.967 0.028 0.967 0.967 0.967 drugY 1 0.005 0.941 1 0.97 drugC 0.963 0.014 0.963 0.963 0.963 drugX 1 0 1 1 1 drugA 0.938 0 1 0.938 0.968 drugB

=== Confusion Matrix ===

a b c d e <-- classified as 88 1 2 0 0 | a = drugY 0 16 0 0 0 | b = drugC 2 0 52 0 0 | c = drugX 0 0 0 23 0 | d = drugA 1 0 0 0 15 | e = drugB

Como podemos observar weka nos informa en primer lugar de algunos parámetros del dataset. A continuación nos muestra de manera textual el modelo aprendido. Por ultimo nos incluye información sobre la evaluación del modelo. En este problema. Además podemos conocer más detalles de la distribución de los ejemplos por clase en la matriz de confusión.

Luego realizamos clic derecho en el link que nos dio en el momento de que pinchamos start y nos ubicamos en la parte que dice visualize tree

Nos presenta una nueva pantalla con el árbol.

Como podemos observar, el árbol tiene bastantes reglas. Podemos ver cuál es el acierto de este árbol respecto a los datos de entrenamiento. Sin embargo, en este caso tenemos un error de sólo el 3,5% sobre los datos de entrenamiento. Este modelo es muchísimo mejor que sí sólo nos guiamos por la distribución, que nos daría un error de más del 50% .

Visualize

Podemos analizar pares de atributos utilizando diferentes gráficos. Para comparar la relación entre atributos en Weka debemos acudir al entorno Visualize, donde podemos realizar gráficas entre pares de atributos y ver si tienen alguna relación con las clases. De entre todas las combinaciones posibles, destaca la que utiliza los parámetros de los niveles de sodio y potasio (K y Na) ver Pulsando en la parte inferior sobre las clases, podemos cambiar los colores asignados a las clases, mejorando la visualización del gráfico. Además podemos ampliar y ver con más detalle alguna zona del gráfico con select instance y submit.

En este gráfico sí que se ven algunas características muy significativas. Parece haber una clara separación lineal entre una relación K/Na alta y una relación K/Na baja. De hecho, para las concentraciones K/Na bajas, el tratamiento Y es el más efectivo de una manera clara y parece mostrarse que por encima de un cierto cociente K/Na ese medicamento deja de ser efectivo y se debe recurrir a los otros cuatro.

Luis Eduardo Cuenca Hurtado