实验报告：乳腺肿瘤数据集基于决策树算法的数据挖掘

1、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SQLserver2005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

2、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。&AnalysisServices项目2-licrosoftVisualStudioM凶文件g）編辑g）视图辺项目他）生成）调试）数据库）挖掘複型（M）工具d）窗口址）社区（）帮助址）勾H耳-二勺oDevelopment刁雪法tfli丘（B开贻|矽6働电商业|型实验|；Micro.|sAnaly色zql+=

3、.|Ig凯|軻新建总乌巳旦也勺巧曲f316:50已保存的项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。决策树受侵淋巴结数不等

4、于0-兰值事例槪率直両爭例总计：T3|挖掘国例挖屎棧型：|弘“七直方图条数.Sheet.da设1舐挖掘结构三I画窗口迪社区（）帮助堪）3431:门-rwfc.-C4.-rLOre彼高低默认扩展：卜牛飯别显护级别1悲ft肿恶性肿締程度不等于3二-|g|x|解决方案资源管理器-x侖丨禅IAnalysisServices顶目El-石彗据源勺尹Breastc：arLcer.ds-石数据源视图“載勺Breastc：arLcer.dsvI&爹维数据集I“&维度E1-少挖掘结构氏Sheet,dnim已角色|“&程序集已保存的项彳开始|鶴6釦辺订总商业也实验|咬Micro.|SAnaly.|也sql+s.|凹

5、“120.|也新建文件也）编辑视I-|g|x|桂戡模型：|Sheet堂曼淋巴结数直方圉条数:Sheet,du设计隊挖掘皓构IF决策树丨依赖关索网$題|q|缶|菇受传葩巴结敌不等T0-2窗口社区帮助默认扩展：卜亍飯别显不级别1恶性肿瘤程度恶性肿瘤程度不等T3肿細大小=HW4肿瘤大小不誓于10-14解决方案资源管理器IAnalysisServices顶目B-&勢据源勺尹Breastc：arLcer.ds白&数据源视图Breastc：arLcer.dsvI&枣维数据集i“&维度白&挖掘结构“氏Sheet,dnim&角色|“&程序集1&杂项2JAl已保存的项Q开始I昴9橋电倉商业.|凶实验.|Micr

6、o.Analy.凶sql+s.|四心0|色新建|痔陽国心巳團点仇审曲总逐1&494、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。du设1隊挖掘结构挖戡模型：|Sheet决策树直方圉条数|挖掘團例4J凶高低事例总计:36值爭例槪率直方图受侵淋巴结数不等于一兰and恶性肿瘤程度不等于359.14%33.33%7.53%窗口迪社区帮助默认扩

7、展：|3?皱别显示级别1-惡性肿卿程度3I已保存的项2J解决方案资源管理器9xIAnalysisServices顶目B-&彗据源“专*Breastc：arLcer.ds-已数据源视图“4宓Breastc：arLcer.dsv1&爹维数据集i“已维度白&挖掘结构“Sheet,dnim已角色|“巴程序集1已杂项4&开始|“厂Q題电給商业|迺实验IMicro.IAnaly.色sql+s.|凯|軻新建息劈團哲仇曲总逐16:505、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

8、.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。AnalysisServices1文件也）编辑助视:舊1ifl耳|船Sheet,du设计HBs摺掘结构IF挖戡模型：|弘泌值事例帀牽挖掘團例决策树丨依赖关索网$題|q|聶|嗨言方图条数:高低事例总计:26全部I直方图解决方案资源管理器=3I肿瘤大小=，10T4恶性肿瘤程度不等T3肿梅大小不等丁To-14首丨禅IAnalysisServices顶目El-&勢据源“會*Breastc白&数据源视图Bieastc|&枣维数据集:ancer.ds:ancer.dsv|“已维度El-与挖掘结构“氏Sheet,dnim&甬色&程序集口杂项受任超巴納数不等F0-2愛偎淋巴结数=;，0-2*）窗口社区帮助默认扩展：|3?皱别显示级别19丨4|已保存的项，开始1驴麝働EE商业|凹实验|殳Micro.HAnaly.也sql+s.|1sql20.|也新逹E述仝）出團直41时血1650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