Файл имен переменных

Для работы See5 самыми необходимыми и существенными являются два файла — имен переменных и данных. В файле имен переменных с расширением *.names даются названия используемых признаков и классов.

Среди признаков различают две важные подгруппы:

– номинальные признаки (discrete attribute), количественные признаки (continuous attribute) и метки;

– явно определенные признаки, значения которых берутся непосредственно из файла данных, и неявно определенные признаки, задаваемые формулами (чаще всего употребляются явно определенные признаки).

Файл имен переменных USR.names в нашей задаче выглядит следующим образом:

diagnosis.	| the target attribute
diagnosis:	1. 2. 3
Age:	conti nuous
Sex:	F. M
LR:	L. R
Length:	continuous
Width:	conti nuous
Thickness:	continuous
Thickpar:	continuous
Speed;	continuous
Index:	continuous
Accel:	continuous

Целевой признак diagnosis принимает три значения: 1—в классе «здоровая почка»; 2 — в классе «множественные кисты» и 3 — в классе «гидронефроз». Признаки Age (возраст), Length (длина почки), Width (ширина почки), Thickness (толщина почки), Thickpar (толщина паренхимы), Speed (средняя скорость кровотока), Index (индекс резистентности) и Accel (ускорение артериального потока в систолу) являются количественными. Признак Sex (пол пациента) может иметь два значения F (female) и M (male), а признак LR (левая или правая почка) принимает значения L или R. Порядок записи имен переменных должен соответствовать их порядку в файле данных.

При подготовке файла имен переменных следует иметь в виду, что пробелы, пустые строки и знаки табуляции игнорируются системой (кроме, конечно, случаев, когда они применяются в именах переменных). Вертикальная черта «|» предназначена для записи напоминаний или комментариев.

После имени каждой явно определенной переменной вставляется двоеточие «:» a затем следует характеристика этой переменной. Возможны следующие характеристики:

– continuous – количественный признак;

– список значений переменной, разделенных запятой (для дискретной, номинальной переменной);

– максимальное значение N для дискретной переменной (эту характеристику S рекомендуется применять очень осторожно, так как здесь исключается дополнительная проверка данных при их вводе в анализ);

– ignore — для признака, исключаемого из анализа;

– label — метка для идентификации отдельного объекта.

После имени каждой неявно определенной переменной также следует двоеточие и далее записывается формула. В формуле используются, где необходимо, скобки, а дискретные признаки ограничиваются кавычками. Ниже приведены доступные операторы:

• +, -, *, /, % (mod), ^A (возведение в степень);

• >, >=, <, <=, =, о или != (не равно);

• and, or;

• sin(...), cos(...), tan(...), log(...), exp(...), int(...) (целая часть от).

В зависимости от применяемой формулы конечный результат может быть как количественным, так и давать логическое значение true/false.