Análisis de Cáncer de Mama - Árbol de Decisión

Instalar paquetes y llamar librerías

library(rpart)
library(rpart.plot)

Importar la base de datos

cancer <- read.csv("C:/Users/joseo/Downloads/cancer_de_mama.csv")

Entender la base de datos

# Usamos el método 'class' porque es una clasificación (M o B)
arbol_cancer <- rpart(diagnosis ~ ., 
                      data = cancer, 
                      method = "class")

Visualización del Árbol

# Graficamos el árbol de manera estética
# Creamos el modelo para predecir el diagnosis
arbol_cancer <- rpart(diagnosis ~ ., 
                      data = cancer, 
                      method = "class")

Visualización del Árbol

# Hacemos la visualizacion del árbol de decisión
prp(arbol_cancer, 
    main = "Árbol de Decisión: Diagnóstico de Cáncer de Mama",
    type = 2, 
    extra = 104, 
    nn = TRUE, 
    fallen.leaves = TRUE, 
    branch.lty = 3, 
    shadow.col = "gray", 
    box.palette = "RdGn")

Conclusiones

En conclusión, las mayores probabilidades de diagnóstico benigno (B) según el árbol de decisión son

• 91% benigno: Si radius_worst < 17.

• 98% benigno: Si radius_worst < 17 y concave.points_worst < 0.14.

• 79% benigno: Si radius_worst < 17, concave.points_worst ≥ 0.14 y texture_worst < 26.

Por el contrario, las mayores probabilidades de diagnóstico maligno (M) son

• 94% maligno: Si radius_worst ≥ 17.

• 89% maligno: Si radius_worst < 17, concave.points_worst ≥ 0.14 y texture_worst ≥ 26

Interpretación general

• La variable más importante es radius_worst (primer nodo de decisión).

• Valores altos de radius_worst se asocian fuertemente con malignidad.

• Cuando radius_worst es bajo, el diagnóstico depende de concave.points_worst y texture_worst.

• Combinaciones de valores bajos en estas variables incrementan fuertemente la probabilidad de benignidad.