doi:10.6283/JOCSG.2016.4.2.291 福祉科技與服務管理學刊 4(2), 2016 *通訊作者：[email protected] 291
調整鄰近點距離以增進 kNN 演算法鑑別帕金森氏疾病的雜訊容忍度
楊偉修 南開科技大學 企業管理系 1. 研究背景與目的 帕金森氏病(Parkinson’s Disease)是老年人中常見的神經系統退化性疾病，症狀表現相當複雜且 與其他多種疾病的症狀相似。在資料探勘領域中，近年來已有許多以帕金森氏病為主題的研究，但 這些研究中鮮少考慮當訓練資料中含有誤判案例（又稱為類別雜訊）時，對於判別此疾病的影響。 而當所獲得之資料品質不佳，並以此含有雜訊的訓練資料建立分類器，一定會減低分類器的功能， 因此如何增進 kNN 演算法鑑別帕金森氏疾病的雜訊容忍度，則成為本研究的主要目的。k 最近鄰演算法（k Nearest Neighbor Algorithm，簡稱 kNN）是一種非常簡單且常用的機器學習方法。該法 辨識未知類別測試資料的過程，是將測試資料與一組已知類別的訓練資料進行相似度比對，也就是 先計算測試資料與所有訓練資料間的距離，然後取距離最接近測試資料的 k 個鄰近點，統計各類 別的訓練點數，最後以得票數最多的類別作為測試資料之預測類別。所以選取不同的 k 值也會產 生不同的分類結果，但如何選取最佳的k 值，至今依然沒有適當的方法來預先決定，因此設定 k=1 是最簡單且常見的分類規則（簡稱1NN），可是當訓練資料中含有雜訊時，1NN 分類器亦是最易受 雜訊影響的分類器。在應用kNN 演算法的分類過程中，使用不同的距離計算方法，會產生不同的 分類結果，因此有許多的學者致力於發展各種新的距離計算方式，期以提高kNN 演算法的分類準
確率。Wang et al. (2007)提出 A-kNN 演算法，該法是先計算每個訓練點與不同類別訓練點間的最近
距離（邊界距離），再將測試點對所有的訓練點距離，除以各相對訓練點的邊界距離，以此簡單的 邊界距離調整鄰近點的順序，可以有效提升kNN 的分類效能，但目前亦無研究探討此演算法之雜 訊容忍度。 綜合上述說明，本研究將採用A-kNN 演算法計算帕金森氏病資料，並對於此資料加入各種不 同程度的類別雜訊(class noise)，進一步與 kNN 比較鑑別結果受雜訊的影響程度。此外，預先將資 料以不同的正規化方法進行前置處理，以及使用不同的距離函數計算鄰近點之間的距離，皆會產生 不同的kNN 分類準確率(Ma et al., 2014)，因此本研究中亦預先將資料以四種不同的資料正規化法
處理，再分別以常用的歐幾里得距離(Euclidean distance)與曼哈頓距離(Manhattan distance)以 A-kNN
方法計算，以分析各種情況下A-kNN 方法的雜訊容忍度，並以分析結果提出具有高雜訊容忍度與 準確率的帕金森氏病分類模型。 2. 研究方法 本研究所使用的實驗資料，是取自Little(Little, 2009)所建立的帕金森氏病資料集。該資料集是 針對31 位 46～85 歲的病人，花費約 28 年時間，針對每位病人進行約六次的發音測試，並紀錄測 試結果而得。資料集中共有195 筆記錄，22 個輸入屬性為連續性資料，與一個類別標記屬性 status， status 的值有 0 與 1 兩種，當 status=1 時表示為確定病例共有 147 筆，約佔全部資料之 75.38%。研 究中先使用四種常用的資料正規化方法：極值正規化(min-max normalization)將值標準化為 範圍、 Z-分數正規化(Z-score normalization)、最大正規化(max normalization)與十進位正規化(normalization by decimal scaling)，將某維度中的任一值 透過相關的正規化公式，將該值正規化為 。再分別以歐 幾里得距離(Euclidean distance)與曼哈頓距離(Manhattan distance)距離函數進行計算，以觀察 1NN
準確率受雜訊的影響情形。計算過程概略可分為四個階段，第一階段是將資料以10 組交互驗證方
法(10-fold cross validation method)分割為訓練資料與測試資料；第二階段則於訓練資料中，分別加
調整鄰近點距離以增進kNN 演算法鑑別帕金森氏疾病的雜訊容忍度 2016 福祉科技與服務管理國際研討會暨大師級講座 292 http://journal.gerontechnology.org.tw/ 之資料正規化方法處理屬性值；第四階段則以兩種不同的距離計算 1NN 分類器與 A-1NN 分類器 的平均準確率。 3. 結果與討論 各種資料正規化方法在加入不同雜訊比的情況下，以歐幾里得距離計算之平均1NN 準確率整 理於表1 中，而以曼哈頓距離計算的結果則整理於表 2。由計算結果得知，當雜訊比增加時，兩種 分類器皆受雜訊影響致使平均準確率下降。但以邊界距離重新調整鄰近點順序的 A-kNN 演算法， 其A-1NN 結果在各種雜訊比下，皆明顯優於原 1NN 的準確率，此表示 A-1NN 具有較高的雜訊容 忍度。此外，以最大正規化進行資料預處理並以曼哈頓距離計算時，A-1NN 所得之平均準確率 84.66%最高。而若以歐幾里得距離計算，以極值正規化所得結果 84.62%次之。 表1. 各種資料正規化方法在不同雜訊比的情況下，所得之平均 1NN 準確率（歐幾里得距離） 無正規化 極值正規化 Z-分數正規化 最大正規化 十進位正規化
雜訊比 1NN A-1NN 1NN A-1NN 1NN A-1NN 1NN A-1NN 1NN A-1NN 0% 83.61 87.18 95.39 94.37 94.37 93.84 93.87 92.29 95.87 93.29 5% 82.11 85.66 91.34 93.87 88.74 91.29 90.82 91.82 91.74 92.76 10% 74.34 77.97 85.61 89.16 86.63 90.18 87.71 88.13 85.58 85.63 15% 70.18 74.76 80.05 87.26 82.11 86.79 80.08 85.18 77.47 86.18 20% 74.32 77.89 82.05 84.08 80.05 85.13 82.61 83.03 83.03 85.63 25% 63.71 72.18 73.97 77.03 72.45 77.53 72.92 75.47 69.24 74.84 30% 67.29 67.66 59.00 66.61 61.53 66.66 62.53 67.61 65.16 67.76 平均值 73.65 77.62 81.06 84.62 80.84 84.49 81.50 83.36 81.15 83.73 表2. 各種資料正規化方法在不同雜訊比的情況下，所得之平均 1NN 準確率（曼哈頓距離） 無正規化 極值正規化 Z-分數正規化 最大正規化 十進位正規化
雜訊比 1NN A-1NN 1NN A-1NN 1NN A-1NN 1NN A-1NN 1NN A-1NN 0% 84.68 87.71 93.87 93.89 93.89 93.89 93.37 93.92 95.39 94.89 5% 83.16 88.18 89.74 93.89 89.76 93.39 89.76 93.95 91.82 93.87 10% 74.39 80.55 83.03 86.61 83.00 85.55 85.63 85.05 85.16 90.24 15% 72.32 74.76 81.58 87.29 80.53 87.29 80.55 89.29 80.05 85.16 20% 71.79 79.00 79.05 83.68 80.11 82.16 78.03 82.63 80.55 83.61 25% 67.39 73.26 74.45 75.53 73.42 78.05 71.87 78.58 72.89 76.95 30% 67.74 67.71 64.11 66.21 64.66 68.18 63.58 69.21 63.61 66.63 平均值 74.50 78.74 80.83 83.87 80.77 84.08 80.40 84.66 81.35 84.48 參考文獻
1. Little, M. A., McSharry, P. E., Hunter, E. J., Spielman, J., & Ramig, L. O. (2009). Suitability of dysphonia measurements for telemonitoring of Parkinson's disease. Biomedical Engineering,
IEEE Transactions on, 56(4), 1015-1022.
2. Ma, C. M., Yang, W. S., & Cheng, B. W. (2014). How the Parameters of K-nearest Neighbor Algorithm Impact on the Best Classification Accuracy: In Case of Parkinson Dataset. Journal of
Applied Sciences, 14(2), 171-176.
3. Wang, J., Neskovic, P., & Cooper, L. N. (2007). Improving nearest neighbor rule with a simple adaptive distance measure. Pattern Recognition Letters, 28(2), 207-213.
