实验报告：乳腺肿瘤数据集基于决策树算法的数据挖掘

基于决策树算法的医疗数据挖掘

一、实验目的

利用商业智能分析项目中的数据分析功能，对乳腺癌数据集breast-cancer基于决策树算法进行挖掘，产生相关规则，从而预测女性乳腺癌复发的高发人群。并通过本次实验掌握决策树算法关联规则挖掘的知识及软件操作，以及提高数据分析能力。

二、实验步骤

1、在SQL server 2005中建立breast-cancer数据库，导入breast-cancer数据集；

2、对该数据集进行数据预处理，包括列名的中文翻译、以及node-caps缺失值的填充，即将‘null’填充成‘？’；

3、新建数据分析服务项目，导入数据源、新建数据源视图、新建挖掘结构，其中，将breast-cancer表中的‘序号’作为标识，‘是否复发’作为分类；

4、部署；

5、查看决策树、依赖关系网络等，并根据结果进行分析、预测。

三、实验结果分析

1、如以下三张图片所示，通过调整依赖网络图的依赖强度，可得出，在众多因素中，‘受侵淋巴结数’、‘肿瘤大小’、‘恶心肿瘤程度’这三个因素对于是否复发的影响是较大的，并且影响强度依次递减。

2、从‘全部’节点的挖掘图例可以看到，在breast-cancer数据集中，复发占了29.91%，不复发占了68.32%，说明乳腺肿瘤的复发还是占了相当一部分比例的，因此此挖掘是具备前提意义的。

3、由下两张图可知，‘受侵淋巴数’这一因素对于是否复发是决定程度是最高的。在‘受侵淋巴结数不等于0-2’（即大于0-2）节点中，复发占了50.19%的比例，不复发占了44.44%的比例，而在‘受侵淋巴结数=0-2’的节点中，复发只占了21.71%的比例，不复发占了77.98%的比例。由此可见，当受侵淋巴节点数大于‘0-2’时，复发的几率比较高。

4、由以下两张图可见，在‘受侵淋巴结数不等于0-2’（即大于0-2）的情况下，‘恶性肿瘤程度=3’（最高程度）时，复发占了69.55%，不复发占了27.57%；‘恶

性肿瘤程度不等于3’时，复发占了33.33%，不复发占了59.14%。也就是说，在受侵淋巴结数较多的情况下大于0-2的情况下，恶性肿瘤程度越高，复发的几率越高。

5、由以下两张图可见，在受侵淋巴结数等于0-2的情况下，‘肿瘤大小=10-14’时，复发概率为0；‘肿瘤大小不等于10-14’时（即大于10-14），复发占了24.68%，不复发占了74.99%。由此可见，在受侵淋巴结数等于‘0-2’的情况下，肿瘤复发只跟‘肿瘤大小’大于10-14的因素有关。

综上分析可得：

1、受侵淋巴结数越高、恶性肿瘤程度越高，越容易复发；

2、受侵淋巴结数越低、肿瘤越大，复发程度越高。

最后可预测：淋巴结数越高、恶性肿瘤程度越高、肿瘤越大，越容易复发。

四、实验总结

本次实验从数据的导入、进行挖掘、决策树的分析都能够顺利完成，这得益于课后的复习与老师同学的指导。本实验让我深深体会到数据挖掘与分析的魅力，自己也会多加深入了解这方面的知识。本次实验的另外一个收获便是，当在新建挖掘结构时，对各数据项进行类、标识、预测的选择无法决定是，可以通过点击右下方

的‘建议’按钮查看相关支持度，以确定选择哪一个数据项作为分类。