疾患予測サーバの性能

医中誌抄録データで学習したベイズ分類器の分類実験を行った。
学習データは各カテゴリ500件，総数で2,500件の抄録である。KHcoderで抽出した複合語をMeCabのユーザ辞書に登録した。
まず，形態素解析で名詞のみ抽出した場合の混同行列を下表に示す。

疾患	keigan	kinsyu	naimaku	ransou	taigan	総計	再現率
keigan	147	14	13	8	18	200	73.5%
kinsyu	3	151	26	7	13	200	75.5%
naimaku	1	7	183	2	7	200	91.5%
ransou	9	4	13	162	12	200	81.0%
taigan	20	12	11	14	143	200	71.5%
総計	180	188	246	193	193	1000
適合率	81.7%	80.3%	74.4%	83.9%	74.1%		78.6%

なお，ストップワードは設定していない。また，単語の出現頻度は1語以上とした。検証に用いたデータは，学習データとは異なる，ランダムに抽出した各カテゴリ200件のデータである。
正確度（Accuracy）は78.6%であった。

次にストップワードに「がん，癌，筋腫，子宮，子宮筋腫，子宮体がん，子宮体癌，子宮内膜症，子宮頸がん，子宮頸癌，腫瘍，内膜症，卵巣，卵巣腫瘍，」を設定した場合の結果を下表に示す。

疾患	keigan	kinsyu	naimaku	ransou	taigan	総計	再現率
keigan	133	16	16	9	26	200	66.5%
kinsyu	4	121	41	16	18	200	60.5%
naimaku	2	8	180	4	6	200	90.0%
ransou	9	5	17	155	14	200	77.5%
taigan	30	13	13	25	119	200	59.5%
総計	178	163	267	209	183	1000
適合率	74.7%	74.2%	67.4%	74.2%	65.0%		70.8%

正確度は70.8%となり，8ポイント下がった。

全品詞を使った場合

次に，形態素解析で得られた全品詞を用いた場合の結果を下表に示す。
 

疾患	keigan	kinsyu	naimaku	ransou	taigan	総計	再現率
keigan	139	16	15	11	19	200	69.5%
kinsyu	3	148	27	9	13	200	74.0%
naimaku	2	9	182	1	6	200	91.0%
ransou	8	3	16	160	13	200	80.0%
taigan	23	13	11	14	139	200	69.5%
総計	175	189	251	195	190	1000
適合率	79.4%	78.3%	72.5%	82.1%	73.2%		76.8%

正確度は名詞のみの場合に比べて2ポイントほど下がった。
次にストップワードを設定すると次のようになった。
 

疾患	keigan	kinsyu	naimaku	ransou	taigan	総計	再現率
keigan	126	19	17	11	27	200	63.0%
kinsyu	3	116	45	18	18	200	58.0%
naimaku	2	10	177	5	6	200	88.5%
ransou	9	2	20	156	13	200	78.0%
taigan	32	15	13	23	117	200	58.5%
総計	172	162	272	213	181	1000
適合率	73.3%	71.6%	65.1%	73.2%	64.6%		69.2%

正確度が69.2%となった。