R语言 Lung Cancer Data分析

最新推荐文章于 2023-08-25 00:21:18 发布

Mrrunsen

最新推荐文章于 2023-08-25 00:21:18 发布

阅读量690

点赞数 2

CC 4.0 BY-SA版权

分类专栏： R语言大学作业文章标签： r语言开发语言

本文链接：https://blog.csdn.net/Mrrunsen/article/details/128605249

R语言大学作业专栏收录该内容

1436 篇文章 ¥9.90 ¥99.00

订阅专栏

超级会员免费看

该博客分析了12625x56的肺癌数据矩阵，进行了主成分分析（PCA）、名义逻辑回归、LDA和SVM，以及K-means和层次聚类。PCA结果显示前三组件解释了55.8%的方差，用于散点图绘制。Logistic回归、LDA和SVM预测结果一致，准确率为1。然而，K-means和层次聚类未能合理分类样本，与实际类别不符。

Question 2: Lung Cancer Data

The data.txt file is a 12625 x 56 matrix; each column (row) of the matrix corresponds to the individual case (gene). Among the 56 cases,

Columns 1~20: pulmonary carcinoid samples (Carcinoid);
Columns 21~33: colon cancer metastasis samples (Colon);
Columns 34~50: normal lung samples (Normal);
Columns 51~56: small cell carcinoma samples (SmallCell).

Before the following analyses, please first center each row of the data, i.e. remove the mean of each row and transpose the matrix.

library(tidyverse)
lungcancer = read.table("lungcancer.txt")
##  center each row of the data  and   transpose 
data = data.frame(t(

了解本专栏

订阅专栏解锁全文

超级会员免费看

确定要放弃本次机会？

福利倒计时

: :

立减 ¥

普通VIP年卡可用

立即使用

Mrrunsen

关注关注

2
点赞
踩
1

收藏

觉得还不错? 一键收藏
0
评论
分享

复制链接

分享到 QQ

分享到新浪微博

扫一扫
打赏
打赏
打赏举报

举报

专栏目录

订阅专栏

R 语言中的Lung数据集生存分析

Mrrunsen的博客

05-30

2439

我们将使用 Survival 包进行分析。使用预加载在生存包中的Lung数据集，该数据集包含来自 North Central 癌症治疗组的 228 名晚期肺癌患者的数据，基于 10 个特征。数据集包含缺失值，因此假设在构建模型之前在您身边完成缺失值处理。 # Installing package install.packages("survival") # Loading package library(survival) # Dataset information ?lung # Fitti

R语言肺癌数据分析

HackSquad的博客

08-26

358

在这篇文章中，我们使用R语言对肺癌数据进行了详细的分析。我们首先进行了数据预处理，包括导入数据集、处理缺失值和异常值，并转换数据类型。然后，我们使用可视化工具创建了多个图表，展示了数据的分布和关系。最后，我们执行了统计分析，包括相关性分析、方差分析、逻辑回归和生存分析，以深入了解数据集中的关联和趋势。请注意，上述代码仅为示例，具体的分析方法和图表类型可能因数据集的特征和目标而异。在这篇文章中，我将使用R语言对肺癌数据进行分析。我们将探索数据集，进行数据预处理，执行可视化和统计分析，以揭示潜在的关联和趋势。

参与评论您还未登录，请先登录后发表或查看评论

Cancer-Prediction-Analysis:显示来自中北部癌症治疗组 (NCCTG) 的肺癌患者表现评分数据的预测分析的项目

05-30

预测分析项目关于数据集：原始数据集网址： : 数据集 North Central Cancer Treatment Group (NCCTG) Lung Cancer Data 描述了来自 North Central Cancer Treatment Group 的晚期肺癌患者的生存率。表现评分用于评估患者执行日常活动的能力。原始数据集的大小为 229 行 10 列。为了创建一个预测模型，我修改了这个数据集来为 Google Prediction API 创建训练数据。这个新数据集在 Google Cloud Storage 中的 URL 是“ ”。这是目前的公共链接。数据集的列如下：东部肿瘤合作组 (ECOG) 表现评分患者年龄患者性别医生评定的 Karnofsky 表现评分（差 = 0 和好 = 100）。 ECOG体能状态是用于评估患者疾病进

breast-cancer.data

03-19

乳腺癌复发数据集，由南斯拉夫卢布尔雅那大学肿瘤研究所的M. Zwitter 和 M. Soklic 于1988年捐赠。包含286条记录，10个属性（是否复发，肿瘤位置、大小、结节等），都为分类变量，可用于练习数据挖掘。

Cancer Patients Data癌症患者数据-数据集

03-08

由于癌症，许多人的生命被缩短。但是，由于大数据时代的到来，我们能够抗击这种恶意疾病。 cancer patient data sets.xlsx

breast-cancer-wisconsin.data

10-16

breast-cancer-wisconsin.data

python基础语法——2 综合基础案例之乳腺癌肿瘤预测代码

海阔凭鱼跃天高任鸟飞

07-26

782

import pandas # 训练集 train = pandas.read_csv("c://train.csv") # 测试集 test = pandas.read_csv("c://test.csv") # 选取‘Clump Thickness’与‘Cell Size'作为特征，构建测试集中的正负分类样本 test_negative = test.loc[test['Type'] == ...

肺部癌症（Lung-Cancer）检测+分割数据集.zip、coco标注格式、语义分割+目标检测标注

09-18

本文将针对一个特定的数据集——肺部癌症（Lung-Cancer）检测+分割数据集——进行详细探讨，该数据集采用了目前广泛应用于计算机视觉任务中的coco标注格式，同时提供了语义分割与目标检测的标注信息。首先，数据集...

R语言生存分析模型简介及survival包实现：基于survival包lung数据集

DevScribe的博客

08-25

779

生存分析是一种用于研究时间至事件发生的统计方法，可以评估事件发生的概率和时间相关因素的影响。本文将介绍生存分析模型的基本概念，并演示如何使用survival包在R语言中进行生存分析建模，以lung数据集为例。生存分析是一种用于研究时间至事件发生的统计方法，可以评估事件发生的概率和时间相关因素的影响。生存曲线（survival curve）是生存函数的图形表示，反映了随时间变化的生存概率。生存曲线（survival curve）是生存函数的图形表示，反映了随时间变化的生存概率。

Lung-Cancer-Detection

05-02

作为一个有趣的问题，我们（团队）决定提供各种方法来设计解决方案，因此决定解决Data Science Bowl 2017问题。数据与预处理比赛组织者提供了2类数据集。第一类是一组不同患者的CT扫描图像。数据集的第二方面...

prostate_data.txt

05-12

它来自 Stamey 等人的一项研究。（1989）研究了不同临床测量对前列腺特异性抗原（PSA）水平的影响。任务是根据一组临床和人口统计学变量确定前列腺癌的风险因素。

基于支持向量机（SVM）的乳腺癌诊断

03-15

支持向量机SVM是一种新的机器学习方法，其基础是统计学理论。模型泛化能力强；进行非线性分类时通过高维空间变换。

Y_metacsv = lung_data['LUNG_CANCER']