의사결정트리를 이용한 병원내 감염 분석(weka)

소개글

의사결정트리를 이용한 병원내 감염 분석(weka)에 대한 보고서 자료입니다.

목차

1. 서론

2. 문헌연구
2.1 종전연구
2.1.1 트리
2.1.2 의사결정트리
2.1.3 가지치기
2.1.4 군집화
2.2 분류방법
2.2.1 AD Tree
2.2.2 J48 Tree
2.3 특수기술
2.3.1 EM 알고리즘

3. 실험
3.1 실험데이터
3.2 속성변수
3.3 전처리과정
3.4 실험도구
3.5 실험과정

4. 평가및토의
4.1 실험결과
4.2 결과평가
4.3 토의
4.4 시각적 표현 결과

5. 결론

6. 참고문헌

본문내용

D Tree를 적용한 실험결과
그림 9. experimenter을 이용한 Tree 비교
위의 그림은 experimenter을 이용하여 Tree의 정확도를 비교한 값이다. 이전의 explorer에서 Tree를 비교하기 위해서는 J48 Tree와 AD Tree를 각각 실행하여 비교하여야 한다.
그러나 experimenter에서는 여러 가지의 옵션을 선택해놓고 실행하면 값들의 결과 값이 함께 나오는 편리한 점이 있다. 위의 결과에서도 AD Tree보다 J48 Tree의 정분류 비율이 더 높게 나타났다.
4.4 시각적 표현 결과
그림 10. J48 Tree를 적용한 Tree Diagram
위에서 말한 결과들은 다 도표화 되어있어 수치상으로 보기에는 편하지만 이해가 쉽게 되지는 않는 단점이 있다. 이를 보완하고자 시각적 표현인 Tree를 사용한 것인데 이 결과를 위 그림 10을 통해 나타내었다.
Ⅴ. 결론
표 5와 그림 9의 실험결과를 통하여 나온 알고리즘을 보면 일단 표 5에서는 J48 Tree로 분석한 결과는 정확도가 84%, 에러율이 16%인 것에 비해 AD Tree로 분석한 결과는 정확도가 83%, 에러율이 17%로 근소한 차이를 보인다.
표 5를 보면 쉽게 알 수 있듯이 1% 차이, 0.02 정도의 차이를 보이고 있다. 본 논문에서는 100개의 데이터만 사용하여 실제로는 1개의 오류 차이만 확인되지만 이 데이터가 1만개 10만개 이렇게 늘어나면 그에 비례하여 데이터 에러율도 커지게 된다. 그러나 이러한 결과가 나왔다고 해서 항상 J48 Tree 알고리즘 분석 방법이 좋다고 할 수는 없으며 이러한 알고리즘은 각 데이터에 맞게 사용하는 것이 좋다.
이렇게 데이터를 분석해 본 결과 최근 다양한 이유(고령화, 자연 재해, 인플루엔자)로 인해 많은 사람들이 병원을 찾는다. 그러나 병을 치료하러 갔다가 다른 병에 감염되는 사례가 크게 증가하고 있다. 병원 측에서는 이러한 감염을 방지하기 위하여 다양한 조사를 하고 있는데 본 논문에서 실험한 데이터를 보면 그 결과를 알 수 있다. infections observed(실제 관찰된 감염 수)와 Infections predicted(예상된 감염 수)의 차이를 비교하여 보니 예측 확률이 CDI Community Onset는 약 57%, CLABSI Coronary ICU는 약 94%로 확인 되었다. 이러한 결과를 바탕으로 유추해보면 대학병원의 경우 이러한 병원 내 감염균을 조사하여 이에 해당하는 후처리를 통해 병원 내 감염을 줄여 나갈 수 있을 것으로 예상된다.
참 고 문 헌
교과서 Ian H. Witten, Eibe Frank, Mark A. Hall, Data Mining Practical Machine Learning Tools and Techniques Third Edition, Morgan Kaufmann Publishers, 2011
종전연구 의사결정트리를 이용한 날씨에 따른 화재발생 확률 예측모델, 김영진, 류정우, 송원문, 김명원, 정보과학회논문지 40(11) 705-715 0258-9125
분류방법 의사결정트리를 이용한 적군의 주타격 방향 분석, 김무수, 박건우, 이상훈, 정보과학회논문지 제40권 제1호 (2013년 1월) pp.37-44
특수기술 기계경비시스템 오경보 이벤트 분석을 위한 데이터마이닝 기법 연구, 김종민, 최경호, 이동휘, 정보·보안논문지 제12권 제2호 (2012년 5월) pp.61-70 1598-7329
특수기술 샘플 군집화를 이용한 개선된 아다부스트 알고리즘, 백열민, 김중근, 김회율, 한국방송공학회지 제18권 제4호 통권 제73호 (2013. 7) pp.643-646 1226-7961

키워드

병원내감염,   weka,   통계,   원내감염,   의사결정트리,   AD Tree,   J48 Tree,   분석툴,   빅데이터,   병원내감염 분석