fa جانشینی مقادیر مفقود و تأثیر آن بر دقت کلاسه بندی در داده کاوی پزشکی تخصصي Special پژوهشي اصیل Original Article <p style="text-align: justify;"><strong>مقدمه:</strong> وجود مقادیر مفقود در داده‌های پزشکی می‌تواند تمام فرآیند داده کاوی و تفسیرهای حاصل را تحت تأثیر قرار دهد. بنابراین برخورد با این مقادیر ضروری می‌باشد. در این پژوهش تأثیر روش‌های مختلف برخورد با مقادیر مفقود بر روی دقت کلاسه‌بندی داده‌های پزشکی مورد ارزیابی قرار گرفت.</p> <p style="text-align: justify;"><strong>&nbsp;روش:</strong> در این مطالعه، تأثیر روش‌های معروف جانشینی مقادیر مفقود شامل Mean/mode، Hot Deck، K-Nearest Neighbor، Maximum Possible Value، All Possible Value، Case Deletion و Regression بر روی دقت کلاسه‌بندی مجموعه داده‌های پزشکی سرطان سینه، ناراحتی قلبی، بیماری‌های پوستی، هپاتیت، تیروئید، دیابت، تومور اولیه، بیماران کبدی، سرطان ریه و بعد از جراحی، به ازای شش نرخ مختلف مقادیر مفقود، ارزیابی شد. در آزمایش‌ها از دو کلاسه‌بند شبکه‌های عصبی و نزدیکترین k همسایه در نرم افزار داده کاوی Weka استفاده شد. برای تخمین دقت، از روش 10-Fold cross validation استفاده شد.</p> <p style="text-align: justify;"><strong>نتایج:</strong> نتایج نشان داد برای کلاسه‌بند شبکه‌های عصبی، همه روش‌های جانشینی در برابر نرخ‌های مختلف مقادیر مفقود، تأثیرات متفاوتی در دقت کلاسه‌بندی داشتند. برای کلاسه‌بند نزدیکترین k همسایه، روش جانشینی Mean/mode در مقایسه با سایر روش‌ها تقریباً با افزایش نرخ مقادیر مفقود، باعث افزایش دقت کلاسه‌بندی گردید. در مجموع، هیچ یک از روش‌های جانشینی به ازای همه نرخ-های مختلف مقادیر مفقود، همواره بیشترین دقت را نتیجه نداده و برتری نداشت.</p> <p style="text-align: justify;"><strong>نتیجه‌گیری:</strong> تحلیل نتایج نشان می‌دهد روش‌های جانشینی بررسی شده به ازای همه نرخ‌های مختلف از مقادیر مفقود شده لزوماً باعث بهبود دقت کلاسه‌بندی نگردیده و هیچ کدام از روش‌های جانشینی بررسی شده بهترین روش نیستند.</p> <p style="text-align: justify;"><strong>Introduction: </strong>The missing values in medical data may impact the data mining process and any kind of interpretation. Thus the treatment of these missing values is a necessary task. In this research, the effect of various methods of dealing with missing values on medical data classification accuracy is evaluated.</p> <p style="text-align: justify;"><strong>Method: </strong>This paper studied the effect of missing data replacement methods including Mean/Mode, Hot Deck, K-Nearest Neighbor, Maximum Possible Value, All Possible Value, Case Deletion, and Regression on classification accuracy for two popular classifiers namely K-nearest-neighbor and Neural Networks from Weka Data mining tool on 10 medical datasets including Breast Cancer, Cardiac Problems, Dermatology, Hepatitis, Thyroid, Diabetes, Primary Tumor, Liver Patient, Lung Cancer and Post-Operative Patient. These were selected from the six amounts of missing values. For classification accuracy estimation, the 10-fold cross validation method is used.</p> <p style="text-align: justify;"><strong>Results: </strong>The results show that although the mean/mode method almost had better classification improvement that, none of the replacement methods for all amounts of missing values, is not always the most accurate classification with increasing amounts of missing values for the K-nearest-neighbor classifier. There was no supremacy for all the replacement methods against the various amounts of missing values for any of the replacement methods for all data sets with different amounts of missing values.</p> <p style="text-align: justify;"><strong>Conclusion: </strong>The current study shows that the replacement methods that have been evaluated for all the different rates of missing values do not necessarily improve the accuracy of classification and none of the investigated replacement methods is not absolutely the best one.</p> مقادیر مفقود, روش‌های جانشینی, داده کاوی پزشکی, کلاسه‌بندی Missing values, Replacement methods, Medical Data Mining, Classification 24 32 http://jhbmi.ir/browse.php?a_code=A-10-104-1&slc_lang=fa&sid=1 Hamidreza Tahmasbi حمیدرضا طهماسبی htahmasebi2002@yahoo.com 10031947532846002258 10031947532846002258 Yes 1. کارشناسی ارشد مهندسی کامپیوتر، مربی، گروه مهندسی کامپیوتر، دانشگاه آزاد اسلامی واحد کاشمر، کاشمر، ایران. Malihe Amoozgar ملیحه آموزگار m.amoozgar@gmail.com 10031947532846002259 10031947532846002259 No Islamic Azad University 1. کارشناسی ارشد مهندسی کامپیوتر، مربی، گروه مهندسی کامپیوتر، دانشگاه آزاد اسلامی واحد کاشمر، کاشمر، ایران. Hadi Adine هادی آدینه computergroup@iaukashmar.ac.ir 10031947532846002260 10031947532846002260 No Islamic Azad University 1. کارشناسی ارشد مهندسی کامپیوتر، مربی، گروه مهندسی کامپیوتر، دانشگاه آزاد اسلامی واحد کاشمر، کاشمر، ایران.