2 Построение деревьев решений — система See5/c5.0

Система See5/C5.0 (Windows 95/98/NT) компании RuleQyest (http://www.rulequest.com) предназначена для анализа больших баз данных, содержащих до сотни тысяч записей и до сотни числовых или номинальных полей. Результат работы See5 выражается в виде деревьев решений и множества if-then-правил. Система проста в обращении и не требует от пользователя специфических знаний в области прикладной статистики.

Проиллюстрируем процесс работы See5 на реальном примере из области медицинской диагностики. Исходные данные в рассматриваемом случае относятся к задаче дифференциальной диагностики заболеваний почек.

Фрагмент исходных данных приведен в табл. 1. Это как раз тот вид данных, для обработки которых более всего подходит See5. Каждый объект (пациент) здесь принадлежит к одному из небольшого числа классов (здоров, множественные кисты, гидронефроз) и описывается одиннадцатью разнотипными признаками.

Задача See5 состоит в предсказании диагностического класса какого-либо объекта по значениям его признаков. При этом, как мы увидим, See5 конструирует классификатор в виде дерева решений, которому, в свою очередь, может быть поставлено в соответствие некоторое множество логических правил.

Таблица 1. Фрагмент исходных данных по дифференциальной диагностике заболеваний почек

Признак	Объект 1	Объект 2	…
Состояние почки diagnosis	Множественные кисты	Гидронефроз	…
Возраст пациента (число полных лет) Аде	46	52	…
Пол пациента Sex	Женщина (F)	Мужчина(М)	…
Правая или левая почка LR	Правая почка (R)	Левая почка (L)	…
Длина почки (мм) Length	112	136	…
Ширина почки (мм) Width	68	69	…
Толщина почки (мм) Thickness	88	72	…
Толщина паренхимы (мм) Thickpar	18	18	…
Средняя скорость кровотока (см/с) Speed	2,3	12	…
Индекс резистентности Index	0,584	0,614	…
Ускорение артериального потока в систолу (см/с^2)Accel	459	291	…

Подготовка данных для See5

Каждой задаче, решаемой в системе See5, требуется присвоить свое собственное имя. Пусть в нашем случае это имя будет USR (UltraSonic Research). В процессе решения See5 использует и формирует несколько файлов с одинаковым именем и различными расширениями. Важно точно соблюдать правила записи имен и расширений (система различает строчные и прописные буквы). Кроме того, отметим, что See5 поддерживает только латинские шрифты.