弘前データ６：法定検診項目＋ストレスチェックにより，A, C, D を予測する方法

著者

司馬博文

日付

8/13/2025

備考は全て外し，LOX_Index と 判別式 も説明変数としては考慮しない．

age	sex	Weight	LOX	LAB	type	BMI	med	RedBloodCell	Hemoglobin	HbA1c	AST	ALT	gammaGT	TotalCholesterol	TG	BloodSugar	HDL	LDL	UrineSugar	SystolicBP	DiastolicBP	drink	smoke	exercise	breakfast	活気	イライラ感	疲労感	不安感	抑うつ感
64	2	54.2	86	2.6	N	22.8	2	438	13.0	5.8	24	23	70	243	70	96	93	135	-1	151	97	0	0	4	2	3	1	1	1	1
48	2	52.7	75	2.2	N	22.1	2	452	14.0	5.5	23	18	25	282	64	91	97	171	-1	131	85	2	1	4	2	3	3	4	3	3
53	2	64.8	55	2.8	Y	26.0	2	464	13.9	5.5	16	14	19	262	106	99	69	171	-1	109	75	0	0	2	2	4	2	4	3	2
46	1	76.3	136	3.8	N	26.0	2	553	16.3	5.9	17	16	56	221	148	107	50	139	-1	132	95	2	2	1	2	2	3	2	3	2
65	1	72.4	58	2.3	Y	26.2	2	520	16.4	5.4	16	10	28	201	97	90	77	104	-1	136	88	2	2	3	2	2	3	1	2	1
30	1	59.5	46	2.2	N	19.5	2	555	16.0	5.2	18	18	26	185	169	89	49	103	-1	120	73	0	0	1	2	3	5	4	5	4

1 CART モデル

library(rpart)

Warning: パッケージ 'rpart' はバージョン 4.3.3 の R の下で造られました

library(rpart.plot)

Warning: パッケージ 'rpart.plot' はバージョン 4.3.3 の R の下で造られました

# 目的変数が5クラスになっても、式は同じ
# rpartが自動で多クラス分類として扱ってくれる
cart_model_5class <- rpart(
  type ~ .,        # 目的変数を5クラスのものに変更
  data = df_filtered,
  method = "class",
  control = rpart.control(cp = 0.001)
)
printcp(cart_model_5class)


Classification tree:
rpart(formula = type ~ ., data = df_filtered, method = "class", 
    control = rpart.control(cp = 0.001))

Variables actually used in tree construction:
 [1] age              ALT              BloodSugar       breakfast       
 [5] drink            exercise         HDL              LAB             
 [9] LDL              LOX              RedBloodCell     TotalCholesterol
[13] Weight           イライラ感       活気             疲労感          
[17] 抑うつ感        

Root node error: 193/1162 = 0.16609

n= 1162 

         CP nsplit rel error xerror     xstd
1 0.0082902      0   1.00000 1.0000 0.065733
2 0.0077720     10   0.89637 1.1554 0.069554
3 0.0062176     12   0.88083 1.1865 0.070258
4 0.0051813     17   0.84974 1.3316 0.073304
5 0.0038860     20   0.83420 1.3420 0.073508
6 0.0010000     24   0.81865 1.3782 0.074205

# 決定木を可視化
rpart.plot(
  cart_model_5class,
  type = 4,
  extra = 104,           # 各ノードのクラス別サンプル数を表示
  box.palette = "auto",  # 色を自動で設定
  shadow.col = "gray",
  nn = TRUE
)

やはり最初から「女性ならばほとんど Type B だ」と決めつけている．

2 男女で違う CART モデルを推定する

男性の場合正答率が６割しか出ないが，女性の場合は８割出る．これは女性の方に C, E type がないためである．

2.1 男性の場合

「 BMI が小さくて多様性が３ならば A タイプ」というルールは変わらないようである．

library(rpart)
library(rpart.plot)

df_male <- df_filtered %>%
  filter(sex == 1)

# 目的変数が5クラスになっても、式は同じ
# rpartが自動で多クラス分類として扱ってくれる
cart_model_5class <- rpart(
  type ~ .,        # 目的変数を5クラスのものに変更
  data = df_male,
  method = "class",
  control = rpart.control(cp = 0.005)
)
printcp(cart_model_5class)


Classification tree:
rpart(formula = type ~ ., data = df_male, method = "class", control = rpart.control(cp = 0.005))

Variables actually used in tree construction:
 [1] age          AST          BMI          drink        gammaGT     
 [6] HDL          Hemoglobin   LDL          LOX          RedBloodCell
[11] TG          

Root node error: 82/446 = 0.18386

n= 446 

         CP nsplit rel error xerror     xstd
1 0.0121951      0   1.00000 1.0000 0.099765
2 0.0097561      1   0.98780 1.5000 0.115099
3 0.0060976     11   0.89024 1.5366 0.115952
4 0.0050000     13   0.87805 1.6098 0.117563

# 決定木を可視化
rpart.plot(
  cart_model_5class,
  type = 4,
  extra = 104,           # 各ノードのクラス別サンプル数を表示
  box.palette = "auto",  # 色を自動で設定
  shadow.col = "gray",
  nn = TRUE
)

# 予測値を取得
predictions <- predict(cart_model_5class, newdata = df_male, type = "class")

# 混同行列を作成
confusion_matrix <- table(Actual = df_male$type, Predicted = predictions)
print(confusion_matrix)

      Predicted
Actual   Y   N
     Y  34  48
     N  24 340

# 正答率を計算
accuracy <- sum(predictions == df_male$type, na.rm = TRUE) / sum(!is.na(df_male$type))
cat("正答率:", round(accuracy * 100, 2), "%\n")

正答率: 83.86 %

58% の正解率が 71% になる．

2.2 女性の場合

library(rpart)
library(rpart.plot)

df_female <- df_filtered %>%
  filter(sex == 2)

cart_model_5class <- rpart(
  type ~ .,
  data = df_female,
  method = "class",
  control = rpart.control(cp = 0.001)
)
printcp(cart_model_5class)


Classification tree:
rpart(formula = type ~ ., data = df_female, method = "class", 
    control = rpart.control(cp = 0.001))

Variables actually used in tree construction:
 [1] age              HDL              LAB              LDL             
 [5] LOX              RedBloodCell     SystolicBP       TotalCholesterol
 [9] 活気             不安感           抑うつ感        

Root node error: 111/716 = 0.15503

n= 716 

        CP nsplit rel error xerror     xstd
1 0.024024      0   1.00000 1.0000 0.087249
2 0.009009      3   0.92793 1.1712 0.092927
3 0.003003      5   0.90991 1.3153 0.097126
4 0.001000     14   0.87387 1.3514 0.098101

rpart.plot(
  cart_model_5class,
  type = 4,
  extra = 104,
  box.palette = "auto",
  shadow.col = "gray",
  nn = TRUE
)

# 予測値を取得
predictions <- predict(cart_model_5class, newdata = df_female, type = "class")

# 混同行列を作成
confusion_matrix <- table(Actual = df_female$type, Predicted = predictions)
print(confusion_matrix)

      Predicted
Actual   Y   N
     Y  48  63
     N  34 571

# 正答率を計算
accuracy <- sum(predictions == df_female$type, na.rm = TRUE) / sum(!is.na(df_female$type))
cat("正答率:", round(accuracy * 100, 2), "%\n")

正答率: 86.45 %

少ない変数でやったときはタイプ B 259 人から，261 人になっただけだったが，今回はもう少し増えるようだ．