知识卡片

操作参考卡 · 9634 · 生成模型:DeepSeek-V4.1-Flash

乳腺癌数据:分类树基线

理解等级:中级

数据来自威斯康星麦迪逊大学医院的 Biopsy 集,699 个病人的乳腺肿瘤切片诊断,11 个变量:病人 ID(不纳入分析)、是否恶性(输出)与 9 个细胞特征(肿块厚度、细胞大小均匀性等),每个特征 1—10 分,1 接近良性、10 接近病变。241 例恶性,16 例在裸核上有缺失。R 中用 MASS 包的 biopsy 数据,去掉 ID 列,set.seed(1234) 后抽 80% 作训练集(559 例:376 良性、183 恶性),20% 作测试集(140 例)。用 tree 包 tree(class~.-class, …) 建分类树:实际用到 V2、V1、V6、V8 四个变量,8 个叶节点,训练误差 2.7%(15/549)。测试集准确率 92%,良性判对 94%、恶性判对 90%。树图显示 V2>4.5 时倾向恶性,V1、V2、V6 得分都低时倾向良性。

这张卡片看不懂?

已有反馈 · 0 条

    还没有人提交反馈。

    在整书笔记中的位置

    原书出处 · 1 处

    • 第5章 决策树与组合方法 · 查看原书依据

      结果显示,699个病例中有241人为恶性。数据集中有16个样本单元在第6个指标裸核(bare nuclei)上有缺失值。训练集中有559个样本单元(376个良性,183个恶性),测试集中有140个样本单元(82个良性,58个恶性)。

    参考来源

    - 位置:《大数据挖掘与统计机器学习》第5章 决策树与组合方法(源文件:extracted/大数据挖掘与统计机器学习/_epub-src/OEBPS/Text/chapter7_0005.xhtml,5.5.1 乳腺癌数据) - 结论依据:原文给出 Biopsy 数据的来源、变量与缺失情况、241 例恶性、80/20 划分后的样本数,以及 tree() 建树的变量、叶节点数、训练误差与测试集混淆矩阵结果。 - 原始内容:结果显示,699个病例中有241人为恶性。数据集中有16个样本单元在第6个指标裸核(bare nuclei)上有缺失值。训练集中有559个样本单元(376个良性,183个恶性),测试集中有140个样本单元(82个良性,58个恶性)。