Исследовательская часть. 
Разработка программы обработки данных в хирургии

В данной главе проводится описание хода исследования по выявлению признаков, характеризующих отсутствие осложнений после проведения операции дренирования.

Построение полной решетки

Первый этап испытания состоял в построении полной решетки при помощи алгоритма AddIntent на всех признаках. Выбор алгоритма AddIntent основан на его высоком быстродействии и возможностью его легкой адаптации к построению ДСМ-гипотез и применению ДСМ-метода [10].

В результате, решетка содержала более 2,000,000 понятий, время построения решетки составляло приблизительно 48 часов. Такой размер решетки является очень большим для набора из 56 объектов, содержащих 21 признак. Поэтому было принято решение отобрать информативные признаки для уменьшения размера решетки при помощи алгоритма отбора информативных признаков Boruta, описанного в п. 2.3. Данный алгоритм был выбран, так как в его основе находится случайный лес, обладающий рядом преимуществ, таких как:

• 1. Работает с признаками разной природы;
• 2. Устойчив к изменениям признаков;
• 3. Обладает малым количеством настраиваемых параметров перед запуском алгоритма, что облегчает работу пользователя.

В результате работы алгоритма Boruta было отобрано 12 признаков:

• · Возраст в годах
• · Показатель билирубин в ммоль/л
• · Количество внешних дренажей
• · Количество наружно-внешних дренажей
• · Уровень блока
• · Показатель мно в сек
• · Продолжительность желтухи в днях
• · Тип опухоли Клацкина по шкале Бисмута
• · Дренированная доля: левая, правая или обе
• · Сворачивание конца дренажа в кольцо: да или нет
• · Дренирование 6−7 сегмента: да или нет
• · Инфицированность посева желчи

Данные признаки являлись информативными при минимальной точности деревьев решений, равной 65%. Такой порог был выбран эмпирическим методом. При меньшем пороге алгоритм оставлял практически все признаки, в то время как при его увеличении количество признаков сокращалось до двух.

В итоге, размер итоговой решетки, построенной на отобранных 12 признаках, уменьшился не существенно (приблизительно 1,900 000 понятий), что все еще не позволяло далее обрабатывать полученные понятия. Результат исследования довольно легко объясним, так как алгоритм Boruta убрал только 1 количественный признак, все остальные признаки, расцененные как неинформативные — бинарные, так как бинарные признаки порождают значительно меньше понятий, нежели чем количественные.

На основе результатов предыдущих исследований было решено кластеризовать количественные признаки. В качестве алгоритма кластеризации был использован алгоритм k-means, так как не было необходимости использовать более сложный алгоритм, потому что выборка состояла всего лишь из 56 объектов, и алгоритм применялся для каждого количественного признака из списка признаков.

Размер построенной решетки существенно изменился — приблизительно 1, 400 000 понятий. Проблема заключалась в следующем: число полученных положительных гипотез из построенной решетки было велико. Помимо этого, большое количество положительных гипотез не являлись репрезентативными. Для решения этой проблемы было принято решение построить неполную решетку понятий.