Re: 문제311. (오늘의 마지막 문제) 유방암 데이터를 악성과 양성으로 분류하는 모델의 다른 척도를 실험하세요

[12기_김미승]

	seed = 1, k= 11	seed = 1, k = 21
정확도	1	1
카파통계량	1	1
정밀도	1	1
재현율	1	1
민감도	1	1
특이도	1	1

wbcd <-  read.csv("wisc_bc_data.csv", header=T, stringsAsFactors=FALSE)
wbcd$diagnosis <- factor( wbcd$diagnosis,
                          levels= c("B","M"),
                          labels=c("Benign", "Maliganant") ) 
str(wbcd)
set.seed(1) # 1부터 10까지의 숫자를 랜덤으로 섞어서 출력하는 코드
wbcd_shuffle <- wbcd[ sample(569),    ] # 설명:  wbcd[  행,  열 ]
wbcd_shuffle
wbcd2 <-  wbcd_shuffle[ , -1 ]
str(wbcd2) 

normalize <-  function(x) {
  return  ( (x-min(x)) / ( max(x) - min(x) ) )
}

wbcd_n <- as.data.frame( lapply( wbcd2[ , 2:31], normalize)  )


nrow( wbcd_n ) # 569 
train_num <- round( 0.9 * nrow(wbcd_n), 0 )
train_num  # 512 

wbcd_train <- wbcd_n[ 1:train_num,  ]   
wbcd_test  <- wbcd_n[ (train_num+1) : nrow(wbcd_n),  ]  
nrow(wbcd_test)   # 57

wbcd_train_label <-  wbcd2[ 1:train_num,  1 ] 
wbcd_test_label <- wbcd2[ (train_num+1) : nrow(wbcd_n), 1  ] 
wbcd_test_label

library(class)

#result1 <- knn(train=wbcd_train, test=wbcd_test,   cl=wbcd_train_label, k=21)
result1 <- knn(train=wbcd_train, test=wbcd_test,   cl=wbcd_train_label, k=11)
result1

data.frame( result1, wbcd_test_label)
sum( result1 == wbcd_test_label )

x <-  data.frame('실제'=wbcd_test_label, '예측'=result1)
table(x) 

################
positive_value <- 'Maliganant' # 악성
negative_value <- 'Benign' # 양성

#■ 카파통계량 

library(vcd)

table( result1, wbcd_test_label)

Kappa( table( result1, wbcd_test_label)  ) 


#■ 정확도
library(gmodels)
g <- CrossTable( result1, wbcd_test_label )

x <- sum(g$prop.tbl *diag(2))   # 정확도 확인하는 코드
x

#■ 민감도
#install.packages("caret")
library(caret)
sensitivity( result1, wbcd_test_label,
             positive=positive_value)

#■ 특이도
specificity(  result1, wbcd_test_label,
              negative=negative_value)  

#■ 정밀도
posPredValue( result1, wbcd_test_label,
              positive=positive_value) 

#■ 재현율 
sensitivity( result1, wbcd_test_label,
             positive=positive_value)