پروژه تشخیص سرطان پروستات در مردان با استفاده از روش بوستینگ(Boosting) در رپیدماینر


در حال بارگذاری
---
اکسل (رپیدماینر)
فایل Word, Pdf
دارد
۵۲,۲۸۰ تومان
خرید

پروژه تشخیص سرطان پروستات در مردان با استفاده از روش بوستینگ(Boosting) در رپیدماینر

 تشخیص سرطان پروستات در مردان تشخیص سرطان پروستات در مردان که با نرم افزار داده کاوی رپیدماینر مدلسازی شده است از ترکیب الگوریتم های یاد گیری ماشین شبکه عصبی(Neural Network)، درخت تصمیم و ماشین بردار پشتیبان در قالب سیستم بوستینگ تشکیل شده است. بطور کلی استراتژی روش مطرح شده جهت تشخیص سرطان پروستات در مردان بدین صورت است که ابتدا دیتاست مربوط به سرطان پروستات در مردان را بعنوان ورودی دریافت می کند. سپس فرآیند پیش پردازش برروی کلیه داده ها صورت می پذیرد. پس از اعمال پیش پردازش بر روی داده، Miss Value از داده های سرطان پروستات در مردان از بین می روند. سپس داده های آموزشی معادل۸۰% از نمونه ها برای آموزش مدل های موجود در سیستم بوستینگ تفکیک می گردد. ۲۰% از نمونه های موجود نیز برای آزمایش و ارزیابی میزان درستی عملکرد الگوریتم های شبکه عصبی، درخت تصمیم و ماشین بردار پشتیبان در قالب بوستینگ تفکیک می شوند. در نهایت نیز نمونه های آموزشی به سیستم بوستینگ وارد می شود. سیستم بوستینگ استفاده شده، داده های آموزشی را به صورت جداگانه بعنوان ورودی جهت آموزش مدل به الگوریتم های یادگیری ماشین اعم از شبکه عصبی، درخت تصمیم و ماشین بردار پشتیبان که در سیستم بوستینگ با هم ترکیب شده اند، اعمال می نماید. الگوریتم های یاد گیری ماشین ذکر شده از داده های آموزشی دریافت شده بعنوان ورودی جهت تولید مدل های مربوط استفاده می نمایند.

پس از اینکه داده های آموزشی به هر الگوریتم وارد شده و مدلهای مربوط نیز تولید شد، میبایست داده های آزمایشی به هر کدام از مدلها وارد شوند. در این مرحله داده های Test یا آزمایشی که ۲۰%از نمونه ها بودند، به مدلهای تولید شده وارد می شوند. از این نمونه ها برای ارزیابی میزان درستی و صحت عملکرد روش بوستینگ استفاده میگردد. بنابراین نمونه های آزمایشی ابتدا به سیستم بوستینگ (Vote) وارد می شوند. سپس توسط سیستم بوستینگ این نمونه ها به عنوان ورودی مدل به مدلهای تولید شده توسط الگوریتم های موجود در سیستم بوستینگ اعمال می گردد. روش ها و الگوریتم های یادگیری ماشین شبکه عصبی، ماشین بردار پشتیبان و درخت تصمیم که در قالب بوستینگ باهم ترکیب و بوست شده است که هرکدام پاسخ خود را به عنوان میزان تشخیص یا طبقه بندی هر نمونه به خروجی ارائه می نمایند. در نهایت خروجی هر الگوریتم به ورودی هسته سیستم بوستینگ تحت عنوان Vote وارد می شود. هسته Vote که از مهمترین اجزاع سیستم بوستینگ است دارای چندین ورودی و یک خروجی است. هسته Vote دارای ۳ استراتژی تصمیم گیری مختلف جهت اعمال تصمیم نهایی به عنوان پاسخ مربوط به نمونه iام می باشد. این استراتژی ها عبارتند از:

  1. استراتژی Max
  2. استراتژی Min
  3. استراتژی Avg

هر کدام از این استراتژی ها به ترتیب بدین صورت عمل می کنند:

  1. استراتژی Max:این روش بر اساس منطق حداکثر کارکرد و پاسخ هایی را که دارای بیشترین کاندیدا هستند به عنوان خروجی و تصمیم نهایی در نظر می گیرد.
  2. استراتژی Min: این روش دقیقا برخلاف استراتژی Max عمل کرده و به دنبال حداقل پاسخ ها می باشد.
  3. استراتژی Avg: این روش منطقی شبیه به میانگین گیری دارد و از پاسخ های تعیین شده توسط کلیه الگوریتم ها یک میانگین گرفته و به عنوان پاسخ نهایی منظور میگرداند.

بنابراین، پس از اینکه کلیه الگوریتم های یادگیری ماشین اعم از شبکه عصبی، درخت تصمیم و ماشین بردار پشتیبان پاسخ های خود را به ازای هرنمونه به هسته Vote بر اساس نوع استراتژی تعیین شده ارائه نمودند، یک جواب را به عنوان پاسخ نهایی انتخاب می کند.

با یک مثال ماهیت روش بوستینگ را به منظور ترکیب روش های یاد گیری ماشین جهت انجام فرآیند های تشخیص، پیش بینی و طبقه بندی داده ها را شرح می دهیم. فرض کنید هدف اصلی سیستم بوستینگ تشخیص سرطان پروستات است. ۳ نمونه به روش بوستینگ وارد می شود. در این مثال تنها یک نمونه را مثال می زنیم. فرض کنید نمونه جدید وارد شده به سیستم بوستینگ که یک بیمار هست، مبتلا به سرطان می باشد. وقتی این نمونه که بعنوان نمونه ی آزمایشی است به سیستم بوستینگ وارد می شود، این سیستم نمونه وارد شده را به مدلهای تولید شده توسط هرکدام از الگوریتم های یادگیری ماشین اعم از شبکه عصبی، درخت تصمیم و ماشین بردار وارد می کند.  فرض کنید الگوریتم شبکه عصبی، نمونه وارد شده را “مبتلا به سرطان” تشخیص دهد. الگوریتم درخت تصمیم نمونه وارد شده را یک نمونه معمولی تشخیص داد، یعنی فرد مورد نظر سرطان ندارد. الگوریتم SVM نیز همانند الگوریتم شبکه عصبی، نمونه ی وارد شده را “مبتلا” به سرطان تشخیص دهد. در نهایت پاسخ های این الگوریتم ها به هسته Vote وارد می گردد. فرض براین است که هسته Vote نیز با استراتژی تصمیم گیری Max تنظیم شده است. در این حالت چون دارای ۲ کاندیدا مبتلا به سرطان هستیم، جواب نهایی “مبتلا به سرطان” میباشد. بنابراین در این پروژه فرآیند تشخیص سرطان پروستات در مردان در این استراتژی مورد سنجش و ارزیابی قرار می گیرد.

در این پروژه ۶ پارامتر و معیار اصلی داده کاوی جهت ارزیابی مورد استفاده قرار گرفته است که عبارتند از:

  1. معیار دقت (Accuracy)
  2. معیار صحت(Precision)
  3. معیار فراخوانی(Recall)
  4. درجه خطا(Error Rate)
  5. میانگین خطا واقعی(MAE)
  6. مجذور میامگین مربعات خطا(RMSE)

بنا بر این با کمک این معیار ها به ارزیابی میزان دقت و درستی روش بوستینگ جهت تشخیص سرطان پروستات در مردان پرداخته می گردد.

امکانات پروژه  تشخیص سرطان پروستات در مردان: 

برخی از مهمترین امکانات پروژه تشخیص سرطان پروستات در مردان با رپیدماینر عبارتند از:

  • امکان دانلود داده ها و سورس پروژه پس از خرید پروژه
  • امکان تحویل دیتاست استفاده شده به صورت مجزا
  • امکان دانلود داکیومنت تکمیلی هم به صورت Word و هم به صورت PDF

 

توجه ۱: از مهمترین قابلیت های و ویژگی های این پروژه این است که می تواند به عنوان ایده و نوآوری در پژوهش های مختلف مورد استفاده قرار گیرد. ویژگی های مشابه با این موضوع در کاربردهای مختلف تنها به عنوان ایده و یک طرح پژوهش مطرح شده، از هیچ مرجعی کپی برداری نشده و توسط برنامه نویس مربوطه تهیه گردیده است. لازم به ذکر است که از این پروژه می توان در پژوهش ها و مقالاتی استفاده کرده و در ژورنالهای داخلی یا خارجی پذیرش و چاپ نمود. در صورتیکه نیازمند تهیه پروپوزال و پایان نامه یا مقالاتی مشابه با موضوع پروژه اعم از روشهای تقویتی، روشهای جمعی یا Ensemble Learning و غیره داشتید، تنها کافیست سفارش خود را در سایت ثبت نموده یا جهت “سفارش فوری” از طریق تلگرام درخواست خود را مطرح نمایید.

توجه ۲: در این پروژه از ترکیب الگوریتم های یادگیری ماشین اعم از شبکه عصبی(Neural Network)، درخت تصمیم(Decision Tree) و الگوریتم ماشین بردار پشتیبان یا SVM استفاده شده است. در صورتیکه نیاز داشتید از ترکیب سایر الگوریتم های یادگیری ماشین اعم از الگوریتم نایوبیز(Naïve Bayes)، کا نزدیکترین همسایه(KNN)، درخت تصمیم ID3, CART و غیره در سیستم بوستینگ استفاده شود، می توانید به صورت جداگانه درخواست خود را ثبت نمایید.

  راهنمای خرید:
  • لینک دانلود فایل بلافاصله پس از پرداخت وجه نمایش داده می شود.
  • همچنین لینک دانلود به ایمیل شما ارسال خواهد شد به همین دلیل ایمیل خود را به دقت وارد نمایید.
  • ممکن است ایمیل ارسالی به پوشه اسپم یا Bulk ایمیل شما ارسال شده باشد.
  • در صورتی که به هر دلیلی موفق به دانلود فایل مورد نظر نشدید کافیست به ایمیل سایت درخواستتان را ارسال نمایید.
  • حدود 90% از پروژه ها دارای داکیومنت و فیلم آموزشی می باشند.