利用K-means的甲狀腺病情預測分析

媽祖托夢我說做甲狀腺資料分析(老師一定會給100….www)

不久前我到梧棲童綜合醫院參與關於影像處理的教育課程，得知了網路上有 ICD -10 國際疾病分類的資料集可以使用，當時童綜合的資訊長有提及：可使用 KNN 的方式，因此我希望也可以尋找 ICD 中的資料，並採用不同的方式執行。

（業一下童綜合的研習課程www）

童綜合醫院AI教育課程: Transfer learning

但實際上網爬文後，並沒有找到可開放給一般民眾使用 ICD 資料，因此我轉往 UCI 尋找類似的疾病dataset。

在 UCI 首頁的 Most Popular Data Sets 中發現心臟疾病居於榜內，因此我想另找較少人使用過的資料集，為醫療做更多貢獻，最後找到了「Thyroid Disease 甲狀腺疾病」資料集。

資料集原始樣貌

由於原始資料集過於雜亂(ex.包含缺失值、年齡>200歲...等)，因此做了資料前處理，由於資料集數量較大，因此將具有缺失值的資料的該筆資料刪除，並不會對資料分析有太大的影響，原為F/T的資料轉換為0/1，其下圖為我將原始資料集又重新做了一次整理，以符合資料分群需要的規格。

使用的資料特徵：

資料集的特徵說明

根據原始提供的資料集可以知道，該資料集將甲狀腺病情結果分為六大類：

• -：沒有任何甲狀腺病情徵兆
• A：甲狀腺亢進
• B：T3有毒
• C：有毒甲狀腺腫
• D：中毒
• E：甲狀腺功能退減

在整理完成乾淨的資料後，我擷取了測試資料中所有的欄位，建立分群模型(K Means)，為的是預測受試者的甲狀腺病情歸類於6個分類中的哪一類。

應用模組：K-means介紹

由於甲狀腺疾病這份資料集必須使用非監督式學習，所以我採用了 K-means 方法，且可以確定的是k的值是所有甲狀腺病情的分類總數，故k為6。

K-means 集群分析是一種聚類 (Cluster) 的方式，給予一組資料，將之分為k類 (k由使用者設定) 就是「K means」的用處。

K-means的運作流程如下：

1. 先設定好要分為多少(k)群。
2. 接著在feature space（x軸身高和y軸體重組出來的2維空間，假設資料是d維，則會組出d維空間）隨機給k個群心。
3. 每個資料都會與所有的k個群心計算歐式距離。
4. 將每筆資料分類判給距離最近的那個群心。
5. 每個群心內都會有被分類過來的資料，用這些資料更新一次新的群心。
6. 一直重複3–5，直到所有群心不再有太大的變動(收斂)。

Getting Start

詳細做法

圖像化分群結果：

結論

如上圖，此次的分析並未相當成功，因為資料並未明顯的呈現分群結果，由於資料屬性過多，需做詳細的資料降維處理。

可以參考小妹今年iT鐵人邦對Scikit learn的基礎教學： https://ithelp.ithome.com.tw/users/20107244/ironman/1726