Minería de datos con Oracle Data Miner

3 ESCUELA TÉCNICA SUPERIOR DE INGENIERÍA INFORMÁTICA Grado en Ingeniería del Software Minería de datos con Oracle Data Miner Data mining with Oracle Data Miner Realizado por Benjamín Fernández Ruiz Tutorizado por Manuel Enciso García-Oliveros Departamento Lenguajes y Ciencias de la Computación UNIVERSIDAD DE MÁLAGA MÁLAGA, Enero 2016 Fecha defensa: El Secretario del Tribunal 4 5 Resumen: La intención del proyecto es mostrar las diferentes características que ofrece Oracle en el campo de la minería de datos, con la finalidad de saber si puede ser una plataforma apta para la investigación y la educación en la universidad. En la primera parte del proyecto se estudia la aplicación “Oracle Data Miner” y como, mediante un flujo de trabajo visual e intuitivo, pueden aplicarse las distintas técnicas de minería (clasificación, regresión, clustering y asociación). Para mostrar la ejecución de estas técnicas se han usado dataset procedentes de la universidad de Irvine. Con ello se ha conseguido observar el comportamiento de los distintos algoritmos en situaciones reales. Para cada técnica se expone como evaluar su fiabilidad y como interpretar los resultados que se obtienen a partir de su aplicación. También se muestra la aplicación de las técnicas mediante el uso del lenguaje PL/SQL. Gracias a ello podemos integrar la minería de datos en nuestras aplicaciones de manera sencilla. En la segunda parte del proyecto, se ha elaborado un prototipo de una aplicación que utiliza la minería de datos, en concreto la clasificación para obtener el diagnóstico y la probabilidad de que un tumor de mama sea maligno o benigno, a partir de los resultados de una citología. Palabras clave: Minería, Datos, Oracle, Clasificación, Regresión, Cluster, Asociación. Abstract: The intention of the project is to show the different features that Oracle provides in the field of data mining, in order to know if he can be a fit for research and education at the university platform. In the first part of the project "Oracle Data Miner" application is studied and how, by a flow of visual and intuitive work, the different mining techniques (classification, regression, clustering and association) may apply. To display the execution of these techniques they have been used dataset from the University of Irvine. This has been achieved observe the behavior of different algorithms in real situations. For each technique exposed to assess its reliability and how to interpret the results obtained from its implementation. Applying the techniques it is also shown using the PL / SQL. Thanks to that we can integrate into our data mining applications easily. In the second part of the project, it has developed a prototype of an application that uses data mining, namely the classification for the diagnosis and the likelihood that a breast tumor is malignant or benign, from results cytology. Keywords: Miner, Data, Oracle, Classification, Regression, Clustering, Association. 6 7 Índice 1. Introducción ..................................................................................................................... 10 1.1. ¿Qué es la minería de datos?............................................................................... 10 1.2. ¿Qué queremos hacer y por qué? ....................................................................... 10 2. Oracle Data Miner .......................................................................................................... 11 3. Técnica de Clasificación ............................................................................................... 14 3.1. Descripción .............................................................................................................. 14 3.2. Ejemplo simple ........................................................................................................ 14 3.3. Algoritmos de clasificación .................................................................................... 16 3.3.1. Support Vector Machine (SVM) – Maquina de Soporte Vectorial ........... 16 3.3.2. Naive Bayes - Clasificador bayesiano ingenuo .......................................... 17 3.3.3. Decision Trees - Árbol de decisión ............................................................... 18 3.3.4. Generalized Linar Model (GLM) – Modelo Lineal Generalizado .............. 20 3.4. Ejemplo aplicado a Dataset de la Universidad de Irvine .................................. 21 3.5. Ejemplo aplicado a Dataset de la Universidad de Irvine mediante PL/SQL . 28 4. Técnica de Regresión .................................................................................................... 29 4.1. Descripción .............................................................................................................. 29 4.2. Ejemplo simple ........................................................................................................ 30 4.3. Algoritmos de Regresión ....................................................................................... 31 4.3.1. Generalized Linear Model (GLM) – Modelo Lineal Generalizado ........... 31 4.3.2. Support Vector Machine (SVM) – Maquina de Soporte Vectorial ........... 31 4.4. Ejemplo aplicado a Dataset de la Universidad de Irvine .................................. 32 4.5. Ejemplo aplicado a Dataset de la Universidad de Irvine mediante PL/SQL . 39 5. Técnica de Clustering .................................................................................................... 41 5.1. Descripción .............................................................................................................. 41 5.2. Ejemplo simple ........................................................................................................ 42 5.3. Algoritmos de Clustering ........................................................................................ 44 5.3.1. K-Means ............................................................................................................ 44 5.3.2. O-Cluster ........................................................................................................... 48 8 5.4. Ejemplo aplicado a Dataset de la Universidad de Irvine .................................. 49 5.5. Ejemplo aplicado a Dataset de la Universidad de Irvine mediante PL/SQL . 54 6. Técnica de Asociación................................................................................................... 55 6.1. Descripción .............................................................................................................. 55 6.2. Algoritmos de Asociación ...................................................................................... 56 6.2.1. A priori ............................................................................................................... 56 6.3. Ejemplo aplicado a Dataset .................................................................................. 57 6.4. Ejemplo aplicado a Dataset mediante PL/SQL .................................................. 62 7. Desarrollo prototipo de aplicación ............................................................................... 63 8. Diagramas de la Aplicación .......................................................................................... 65 8.1.1. Modelo relacional de la base de datos ........................................................ 65 8.1.2. Diagrama de Casos de Uso ........................................................................... 66 8.1.3. Diagrama de clases del modelo de negocio ............................................... 67 8.1.4. Diagrama de actividad .................................................................................... 68 8.1.5. Diagrama de despliegue................................................................................. 69 8.1.6. Diagrama de navegación ............................................................................... 70 9. Manual de uso de la aplicación .................................................................................... 71 9.1. Login ......................................................................................................................... 71 9.2. Usuario Doctor......................................................................................................... 71 9.3. Usuario Analytics Doctor ....................................................................................... 73 9.4. Usuario Pathologist................................................................................................. 76 10. Conclusiones ............................................................................................................... 78 11. Bibliografía ................................................................................................................... 79 11.1. Biografía principal .................................................................................................. 79 11.2. Bibliografía complementaría ................................................................................. 79 11.3. Fuentes electrónicas .............................................................................................. 80 12. Anexo 1Tecnologías utilizadas .............................................................................. 83 12.1. Lenguajes ............................................................................................................... 83 12.1.1. Java ................................................................................................................. 83 12.1.2. HTML ............................................................................................................... 83 12.1.3. CSS .................................................................................................................. 84 12.1.4. SQL .................................................................................................................. 84 12.1.5. PL/SQL ............................................................................................................. 84 9 12.1.6. UML................................................................................................................. 85 12.2. Frameworks ........................................................................................................... 85 12.2.1. JSF ................................................................................................................... 85 12.2.2. Java Persistence API ....................................................................................... 86 12.3. Librerías .................................................................................................................. 86 12.3.1. PrimeFaces ...................................................................................................... 86 12.3.2. DBMS_DATA_MINING .................................................................................... 87 12.4. Herramientas ......................................................................................................... 88 12.4.1. Oracle SQL Developer ..................................................................................... 88 12.4.2. Oracle SQL Developer Data Modeler ............................................................. 88 12.4.3. Netbeans ......................................................................................................... 88 12.4.4. MagicDraw ...................................................................................................... 89 12.4.5. Google Chrome ............................................................................................... 89 13. Anexo 2 – Script de creación de la base de datos ......................................................... 90 13.1. Estructura de la base de datos ............................................................................... 90 13.2. Inserción de la información ................................................................................... 93 13.3. Creación de Índices y Triggers ............................................................................. 108 13.4. Creación del procedimiento almacenado ............................................................ 111 10 1. Introducción 1.1. ¿Qué es la minería de datos? La minería de datos es un campo de las ciencias de la computación cuyo objetivo es encontrar patrones en grande conjuntos de datos. Para ello, utiliza los métodos de inteligencia artificial, aprendizaje automático, estadística y sistemas de bases de datos. La acción de realizar minería de datos la podemos dividir en las siguientes fases: Partimos de un conjunto de datos, los cuáles constituirán nuestro objeto de estudio. La fase inicial en la minería consiste en adecuar esta información, de manera que al aplicar los algoritmos, los resultados sean los más óptimos posibles. Por ejemplo, se normalizan datos, se convierten intervalos de valores continuos en atributos cualitativos, etc. Una vez preparado los datos iniciamos el proceso de minería. Este proceso principalmente está dividido en dos partes: la primera, entrenamiento y creación de un modelo y la segunda, aplicación del modelo a nuevos datos. Una vez aplicado el modelo a los nuevos datos, procederemos a evaluar los resultados obtenidos. 1.2. ¿Qué queremos hacer y por qué? La intención del proyecto es mostrar las diferentes características que ofrece Oracle en el campo de la minería de datos, con la finalidad de saber si puede ser una plataforma apta para la investigación y la educación en la universidad. 11 En la primera parte del proyecto se estudia la aplicación “Oracle Data Miner” y como, mediante un flujo de trabajo visual e intuitivo, pueden aplicarse las distintas técnicas de minería (clasificación, regresión, clustering y asociación). Para mostrar la ejecución de estas técnicas se han usado dataset procedentes de la universidad de Irvine. Con ello se ha conseguido observar el comportamiento de los distintos algoritmos en situaciones reales. Para cada técnica se expone como evaluar su fiabilidad y como interpretar los resultados que se obtienen a partir de su aplicación. También se muestra la aplicación de las técnicas mediante el uso del lenguaje PL/SQL. Gracias a ello podemos integrar la minería de datos en nuestras aplicaciones de manera sencilla. En la segunda parte del proyecto, se ha elaborado un prototipo de una aplicación que utiliza la minería de datos, en concreto la clasificación para obtener el diagnóstico y la probabilidad de que un tumor de mama sea maligno o benigno, a partir de los resultados de una citología. 2. Oracle Data Miner La aplicación está dividida en cuatro partes muy bien definidas. En primer lugar, se encuentra el panel de conexiones (1), donde al realizar la conexión mediante nuestro usuario para la minería de datos, podemos observar los proyectos creados y en el interior de estos, los flujos de trabajo. Estos flujos de trabajo contienen la estructura de nodos que nos permite realizar la minería de forma visual e interactiva. Si abrimos un flujo de trabajo, este nos aparece en el área de trabajo (2). Es en esta área donde podemos añadir nodos y enlazarlos entre sí para lograr los objetivos deseados. En el lado derecho del área de trabajo se sitúa el panel de componentes (3), donde se encuentran los diferentes tipos de nodos que podemos usar en nuestro flujo de trabajo. Finamente debajo del menú de componentes, se sitúa un área (4) donde se muestran las diferentes opciones del nodo que tengamos seleccionado. 18 3.3.3. Decision Trees - Árbol de decisión 3.3.3.1. Descripción Modelo de clasificación también conocido como ID3 que significa "inducción mediante árboles de decisión" que fue desarrollado por J. Ross Quinlan, capaz de tomar decisiones con gran precisión. Sistema de aprendizaje supervisado que aplica la estrategia "divide y vencerás" para hacer la clasificación, implementando métodos y técnicas para la realización de procesos inteligentes, representando así el conocimiento y el aprendizaje, con el propósito de automatizar tareas. La salida del algoritmo ID3 se representa como un grafo en forma de árbol, cuyos componentes son los siguientes:  Un nodo principal, llamado raíz, situado en la parte superior. De este nodo parten líneas hacia otros nodos inferiores, que a su vez, pueden hacer las veces de nodo raíz.  Nodos terminales, como su nombre lo indica, son nodos donde termina el flujo y que ya no son raíz de ningún otro nodo. Estos nodos terminales deben contener una respuesta, o sea, la clasificación a la que pertenece el objeto que ha conducido hasta él.  Los demás nodos representan preguntas con respecto al valor de uno de los atributos.  Las líneas representan las posibles respuestas que los atributos pueden tomar. Cada objeto se representa con una lista de valores, el atributo y su valor, la cual constituye una descripción conjuntiva de ese objeto. El objeto debe ser etiquetado con la clase a la que pertenece. La idea básica del ID3 es de determinar, para un conjunto de ejemplos dados, el atributo más importante, o sea, aquel que posea el mayor poder discriminatorio para dicho conjunto; éste atributo es usado para la clasificación de la lista de objetos, basados en los valores asociados con él mismo. Después de haber hecho la primera prueba de atributo, ésta, arrojará un resultado, el cual es en sí mismo un nuevo problema de aprendizaje de árbol de decisión, con la diferencia de que contará con menos ejemplos y un atributo menos, por lo que, cada atributo que se selecciona se descarta para la siguiente prueba. 19 Supongamos que tenemos una tabla con los siguientes datos. Alumno Punt. y asist. Participación Aprovechamiento Nota 1 No asiste Media Excelente Exento 2 Asiste Alta Bueno Exento 3 No asiste Media Bueno Final 4 No asiste Baja Bueno Final 5 Asiste Alta Regular Final 6 Asiste Baja Deficiente Extraordinario 7 No asiste Media Regular Extraordinario Al aplicar el algoritmo, nos genera un árbol con la siguiente estructura. El cual ya podemos usar para predecir la nota de un alumno. Por ejemplo, si tenemos un alumno con las siguientes características:  Aprovechamiento: Bueno.  Puntuación y Asistencia: Asiste.  Participación: Alta. Podríamos predecir que su nota es Exento. 3.3.3.2. Opciones Principales Profundidad máxima: Indica la profundidad máxima de árbol que se va a generar. Porcentaje mínimo de registros en un nodo: Establece el porcentaje de número mínimo de registros por nodo. Mínimo de registros en un nodo: Indica el número mínimo de registros devueltos. Porcentaje mínimo de registros para una división: Establece el número mínimo de registros en un nodo padre, expresado como porcentaje del número total de registros empleados para entrenar el modelo. No se intenta dividir cuando el número de registros es inferior a este porcentaje. Mínimo de registros para una división: Establece el número mínimo de registros en un nodo padre expresado como un valor. No se intenta dividir cuando el número de registros es inferior a este valor. 20 3.3.4. Generalized Linar Model (GLM) – Modelo Lineal Generalizado 3.3.4.1. Descripción En estadística, el modelo lineal generalizado (MLG) es una generalización flexible de la regresión lineal ordinaria. Relaciona la distribución aleatoria de la variable dependiente en el experimento (la «función de distribución») con la parte sistemática (no aleatoria) (o «predictor lineal») a través de una función llamada la «función de enlace». Los modelos lineales generalizados fueron formulados por John Nelder y Robert Wedderburn como una manera de unificar varios modelos estadísticos, incluyendo la regresión lineal, regresión logística y regresión de Poisson, bajo un solo marco teórico. Esto les permitió desarrollar un algoritmo general para la estimación de máxima verosimilitud en todos estos modelos. Esto puede ser naturalmente extendido a otros muchos. 3.3.4.2. Opciones principales Nivel de confianza: El grado de verosimilitud, entre 0,0 y 1,0, del valor predicho para el objetivo en un intervalo de confianza calculado para el modelo. Nombre de clase de referencia: Selección del atributo del cual queremos obtener las distintas clases. Tratamiento de valores que faltan: En él se indica cómo se procesarán los valores nulos en los datos de entrada:  Modo de promedio: sustituye los valores nulos de los atributos numéricos con el valor de la media y los valores de atributos categóricos con la moda.  Suprimir fila: ignora las filas con valores nulos. Regresión de resalto: Es una técnica que compensa la situación en la que existe un grado de correlación demasiado alto en las variables. Puede utilizar la opción Auto para permitir que el algoritmo controle el uso de esta técnica, o bien, puede controlarlo manualmente mediante las opciones Desactivar y Activar. 21 3.4. Ejemplo aplicado a Dataset de la Universidad de Irvine En este ejemplo vamos a utilizar las técnicas de clasificación de la aplicación Oracle Data Miner para clasificar habitantes censados en EEUU en dos grupos. Siendo el primer grupo los que ganan más de 50.000$ anuales (>50K) y los del segundo grupo, aquellos que ganan menos de esa cantidad (<=50K). El dataset que ofrece la universidad de Irvine (http://archive.ics.uci.edu/ml/datasets/Census+Income) está compuesto por dos conjuntos de datos, el primero para entrenar el modelo de clasificación (el cual llamaremos CENSUS) y el segundo para aplicarle el modelo entrenado y predecir a que grupo pertenece cada usuario censado (CENSUS_APPLY). Los atributos con los que vamos a trabajar son los siguientes: ATRIBUTO SIGNIFICADO POSIBLES VALORES Id Identificador Valor discreto Age Edad Valor continuo workclass Tipo de trabajador Private, Self-emp-not-inc, Self-emp-inc, Federal-gov, Localgov, State-gov, Without-pay, Never-worked Fnlwgt Valor continuo education Educación Bachelors, Some-college, 11th, HS-grad, Prof-school, Assocacdm, Assoc-voc, 9th, 7th-8th, 12th, Masters, 1st-4th, 10th, Doctorate, 5th-6th, Preschool education-num Valor continuo marital-status Estado matrimonial Married-civ-spouse, Divorced, Never-married, Separated, Widowed, Married-spouse-absent, Married-AF-spouse occupation Ocupación Tech-support, Craft-repair, Other-service, Sales, Execmanagerial, Prof-specialty, Handlers-cleaners, Machine-opinspct, Adm-clerical, Farming-fishing, Transport-moving, Privhouse-serv, Protective-serv, Armed-Forces relationship Wife, Own-child, Husband, Not-in-family, Other-relative, Unmarried Race Raza White, Asian-Pac-Islander, Amer-Indian-Eskimo, Other, Black Sex Género Female, Male capital-gain Ingresos de fuentes de inversión Valor continuo capital-loss Perdidas de fuentes de inversión Valor continuo hours-per-week Número de horas de trabajo por semana Valor continuo native-country País natal United-States, Cambodia, England, Puerto-Rico, Canada, Germany, Outlying-US(Guam-USVI-etc), India, Japan, Greece, South, China, Cuba, Iran, Honduras, Philippines, Italy, Poland, Jamaica, Vietnam, Mexico, Portugal, Ireland, France, Dominican-Republic, Laos, Ecuador, Taiwan, Haiti, Columbia, Hungary, Guatemala, Nicaragua, Scotland, Thailand, Yugoslavia, El-Salvador, Trinadad&Tobago, Peru, Hong, Holand-Netherlands income Ingresos >50K, <=50K 22 En la siguiente tabla dividida en dos niveles, tenemos una muestra del dataset CENSUS. Se puede apreciar que hay campos con valores indefinidos (?). ID AGE WORK CLASS FNLWGT EDUCATION EDUCATION _NUM MARITAL _STATUS OCCUPATION 1 30 Private 59496 Bachelors 13 Married-civspouse Sales 2 32 ? 293936 7th-8th 4 Married-spouseabsent ? 3 48 Private 149640 HS-grad 9 Married-civspouse Transportmoving 4 42 Private 116632 Doctorate 16 Married-civspouse Prof-specialty ID RELATIONSHIP RACE SEX CAPITA L _GAIN CAPITA L _LOSS HOURS_PER _WEEK NATIVE_ CONUNTRY TARGET 1 Husband White Male 2407 0 40 UnitedStates <=50K 2 Not-in-family White Male 0 0 40 ? <=50K 3 Husband White Male 0 0 40 UnitedStates <=50K 4 Husband White Male 0 0 45 UnitedStates >50K Para realizar una predicción más precisa, vamos a eliminar todas las filas que contengan algún atributo no definido. Para ello, después de agregar el dataset CENSUS al flujo de trabajo, vamos a ejecutar una consulta contra él, que elimine los datos anteriormente mencionados. La consulta que ejecuta el nodo SQL contra el dataset CENSUS es la siguiente: SELECT * FROM CENSUS_FINAL WHERE WORKCLASS NOT LIKE '%?' AND EDUCATION NOT LIKE '%?' AND MARITAL_STATUS NOT LIKE '%?' AND OCCUPATION NOT LIKE '%?' AND RELATIONSHIP NOT LIKE '%?' AND RACE NOT LIKE '%?' AND SEX NOT LIKE '%?' AND NATIVE_COUNTRY NOT LIKE '%?' La salida del nodo SQL ya no contiene elementos con indeterminaciones. Por lo que podemos proceder a crear el modelo de clasificación. 23 El modelo está configurado para realizar el entrenamiento con los cuatro algoritmos mencionados con anterioridad. De modo que, aunque en nuestro flujo de trabajo sólo aparezca un nodo de clasificación, realmente serían cuatro. Una vez entrenado el modelo, evaluamos los resultados obtenidos por cada algoritmo. Para ello pulsamos con el botón secundario sobre el nodo “Modelo de clasificación” e indicamos que queremos comprobar los resultados de las pruebas. Estos resultados son los que genera el modelo de clasificación cuando se aplica a los datos con los que ha sido entrenado. En nuestro caso, hemos indicado que se aplicaran al conjunto completo de datos. Sin embargo, el software nos permite seleccionar el conjunto de elementos que deseemos para el entrenamiento. Incluso también podríamos configurarlo para que por defecto realizara la prueba con un conjunto de datos distinto del que ha sido entrenado. En la ventana se nos muestra la siguiente información: La precisión media nos muestra el porcentaje de predicciones correctas. La confianza predictiva nos da una estimación global de la calidad del modelo entrenado. Indicando cuanto de mejor son las predicciones de cada algoritmo comparado con el modelo ingenuo. 24 𝐶𝑜𝑛𝑓𝑖𝑎𝑛𝑧𝑎 𝑃𝑟𝑒𝑑𝑖𝑐𝑡𝑖𝑣𝑎=𝑀𝐴𝑋 [(1 − 𝑒𝑟𝑟𝑜𝑟 𝑑𝑒𝑙 𝑚𝑜𝑑𝑒𝑙𝑜 𝑒𝑟𝑟𝑜𝑟 𝑑𝑒𝑙 𝑚𝑜𝑑𝑒𝑙𝑜 𝑖𝑛𝑔𝑒𝑛𝑢𝑜),0 ] ∗ 100 La precisión general es el porcentaje de la exactitud media por clase. Aquí podemos observar el coste computacional generado por cada algoritmo. Como podemos observar, los algoritmos ofrecen resultados de predicción muy equitativos. En cuanto al coste computacional, la generación del árbol de decisión se sobrepone a todos los demás de forma característica, debido a su estructura de árbol recursiva. Para ver los resultados de cada algoritmo de forma más detallada, podemos hacer uso de la matriz de rendimiento, la cual se sitúa en la pestaña contigua a “Rendimiento”: 25 El Modelo que implementa el algoritmo Naive Bayes se sobrepone mínimamente a los demás, mientras el algoritmo Support Vector Machine ofrece el peor resultado, 70% de aciertos, frente al 80% de los otros. También podemos ver detalladamente los resultados obtenidos por cada algoritmo, por ejemplo los del algoritmo “Modelo Lineal General” son: Ahora procedemos a aplicar el modelo de clasificación al conjunto de datos CENSUS APPLY. Aunque este conjunto tenga definido el atributo INCOME (<=50K, >50K) por cada persona, debemos de imaginar que no lo tiene, ya que nuestro objetivo es predecirlo. Este valor nos será útil al final para calcular la probabilidad de acierto de cada algoritmo. Por lo que añadimos al espacio de trabajo el dataset. Asimismo, eliminamos las filas de datos que contengan alguna indeterminación. Una vez hecho esto añadimos el nodo “Aplicación” en el que vamos tener como entradas por un lado, el modelo de clasificación y por otro, los datos ya tratados del dataset CENSUS_APPLY. Finalmente, la salida del nodo “aplicación”, será una tabla que contenga el identificador de la persona, el valor real del atributo INCOME, la predicción hecha por cada algoritmo y la probabilidad de que sea cierta. A continuación podemos ver cómo quedaría el espacio de trabajo. 26 Extracto de la tabla que genera la aplicación del modelo de clasificación: ID_CE NSUS REAL VALUE GLM_P RED GLM_P ROB SVM_P RED SVM_P ROB DT_ PRED DT_ PROB NV_ PRED NV_ PROB 32.677 <=50K <=50K 0,881 <=50K 0,7026 <=50K 0,8848 <=50K 0,99 32.678 <=50K <=50K 0,9916 <=50K 0,9776 <=50K 0,9899 <=50K 1 32.680 <=50K <=50K 0,7838 <=50K 0,5774 <=50K 0,9659 <=50K 0,9999 32.682 >50K <=50K 0,6965 >50K 0,5844 <=50K 0,8046 <=50K 0,8086 32.683 <=50K <=50K 0,9877 <=50K 0,9709 <=50K 0,9899 <=50K 1 Para calcular el porcentaje de aciertos de cada algoritmo se ha realizado el siguiente bloque PL/SQL: DECLARE num_success_more NUMBER; num_success_minus NUMBER; num_total NUMBER; percent_success NUMBER; BEGIN -- NAIVE BAYES SELECT COUNT(*) INTO num_success_more FROM CENSUS_APPLY_RESULT WHERE TARGET LIKE '%>50K' AND CLAS_NB_1_12_PRED LIKE '%>50K'; 27 SELECT COUNT(*) INTO num_success_minus FROM CENSUS_APPLY_RESULT WHERE TARGET LIKE '%<=50K' AND CLAS_NB_1_12_PRED LIKE '%<=50K'; SELECT COUNT(*) INTO num_total FROM CENSUS_APPLY_RESULT; percent_success := (num_success_more+num_success_minus)/num_total; DBMS_OUTPUT.put_line('Porcentaje de Aciertos Naive Bayes: '); DBMS_OUTPUT.put_line(percent_success); DBMS_OUTPUT.put_line('Porcentaje de Error Naive Bayes: '); DBMS_OUTPUT.put_line(1-percent_success); -- SUPPORT VECTOR MACHINE SELECT COUNT(*) INTO num_success_more FROM CENSUS_APPLY_RESULT WHERE TARGET LIKE '%>50K' AND CLAS_SVM_1_12_PRED LIKE '%>50K'; SELECT COUNT(*) INTO num_success_minus FROM CENSUS_APPLY_RESULT WHERE TARGET LIKE '%<=50K' AND CLAS_SVM_1_12_PRED LIKE '%<=50K'; percent_success := (num_success_more+num_success_minus)/num_total; DBMS_OUTPUT.put_line('Porcentaje de Aciertos Support Vector Machine: '); DBMS_OUTPUT.put_line(percent_success); DBMS_OUTPUT.put_line('Porcentaje de Error Support Vector Machine: '); DBMS_OUTPUT.put_line(1-percent_success); -- MODELO LINEAL GENERAL SELECT COUNT(*) INTO num_success_more FROM CENSUS_APPLY_RESULT WHERE TARGET LIKE '%>50K' AND CLAS_GLM_1_12_PRED LIKE '%>50K'; SELECT COUNT(*) INTO num_success_minus FROM CENSUS_APPLY_RESULT WHERE TARGET LIKE '%<=50K' AND CLAS_GLM_1_12_PRED LIKE '%<=50K'; percent_success := (num_success_more+num_success_minus)/num_total; DBMS_OUTPUT.put_line('Porcentaje de Aciertos Modelo Lineal General: '); DBMS_OUTPUT.put_line(percent_success); DBMS_OUTPUT.put_line('Porcentaje de Error Modelo Lineal General: '); DBMS_OUTPUT.put_line(1-percent_success); -- ARBOL DE DECISION SELECT COUNT(*) INTO num_success_more FROM CENSUS_APPLY_RESULT WHERE TARGET LIKE '%>50K' AND CLAS_DT_1_12_PRED LIKE '%>50K'; SELECT COUNT(*) INTO num_success_minus FROM CENSUS_APPLY_RESULT WHERE TARGET LIKE '%<=50K' AND CLAS_DT_1_12_PRED LIKE '%<=50K'; percent_success := (num_success_more+num_success_minus)/num_total; DBMS_OUTPUT.put_line('Porcentaje de Aciertos Arbol de Decision: '); DBMS_OUTPUT.put_line(percent_success); DBMS_OUTPUT.put_line('Porcentaje de Error Arbol de Decision: '); DBMS_OUTPUT.put_line(1-percent_success); END; 34 El error de promedio absoluto es la media de los valores absolutos de los valores residuales (diferencia entre el valor real de la medida y el valor predicho). 1𝑛∗∑|𝑟−𝑝| 𝑛1 El error de raíz cuadrada media es la raíz cuadrada de la media de los valores residuales al cuadrado. √1𝑛∗∑(𝑟−𝑝)2 𝑛1 El valor promedio previsto indica la media de los valores que han sido predichos. En este caso, vemos que los dos algoritmos ofrecen una media prácticamente similar: 23,38 y 23,32 MPG (Milles per gallon) respectivamente. 35 El valor promedio real nos muestra la media de los valores reales. Aunque aquí observamos una medida por cada algoritmo, las dos son exactamentes las mismas (23,38 MPG) ya que la aplicación de un algoritmo u otro no influye en la media de los valores reales. A partir de los datos de las dos últimas gráficas, podemos deducir que el funcionamiento de los dos algoritmos es bastante bueno. Los dos muestran una media de valores predichos similar a la media de los valores reales. El hecho de que las medias de las predicciones de los algoritmos coincidan con la media de los valores reales, no puede ser tomado únicamente como método para la selección de un algoritmo u otro, ya que las predicciones superiores al valor real se pueden compensar con las predicciones inferiores al valor real. También podemos ver cuál es el mejor modelo, generando las siguientes gráficas en Oracle Data Miner. Las gráficas representan en el eje X el consumo medio real de un vehículo (MPG) frente al eje Y, donde se representa el valor que ha predicho el algoritmo para ese mismo vehículo. 36 Si el funcionamiento de los algoritmos fuera ideal, los puntos deberían situarse sobre la bisectriz del cuadrante, es decir, el valor real y el valor previsto deberían de ser los 37 mismos (X = Y). Por lo que para comparar los dos algoritmos solo debemos fijarnos en cuál de las dos nubes de puntos se sitúa más sobre la bisectriz. Al igual que la conclusión obtenida del análisis de las 5 gráficas iniciales, podemos observar que el algoritmo Support Vector Machine (SVM) tiene los puntos ligeramente más cercanos a la bisectriz, que el algoritmo Generalized Linar Model (GLM). Una vez generado nuestro modelo, procedemos a aplicarlos a los datos que extrajimos con anterioridad. Como hemos visto, el algoritmo Support Vector Machine (SVM) es el que ofrece mejores predicciones, así que en un caso aplicado a la vida real sería el más adecuado. Sin embargo, nosotros vamos a utilizar los dos, para poder comparar los resultados que ofrecen. A continuación, se muestra la tabla que contiene los modelos de coches de los cuales pretendemos predecir su consumo medio. Hemos de recordar que aunque en la tabla aparece el campo MPG definido, debemos de imaginar que carecemos de dicho dato. ID MPG CYLIN DERS DISPLACEMENT HORSEPOWER WEIGHT 5 17 8 302 140 3.449 15 24 4 113 95 2.372 69 12 8 350 160 4.456 376 36 4 107 75 2.205 389 44 4 97 52 2.130 391 28 4 120 79 2.625 348 34,4 4 98 65 2.045 273 20,3 5 131 103 2.830 269 21,1 4 134 95 2.515 241 21,5 4 121 110 2.600 ID ACCELE RATION MODEL YEAR ORIGIN CAR NAME 5 10,5 1.970 1 ford torino 15 15 1.970 3 toyota corona mark ii 69 13,5 1.972 1 oldsmobile delta 88 royale 376 14,5 1.982 3 honda accord 389 24,6 1.982 2 vw pickup 391 18,6 1.982 1 ford ranger 348 16,2 1.981 1 ford escort 4w 273 15,9 1.978 2 audi 5000 269 14,8 1.978 3 toyota celica gt liftback 241 12,8 1.977 2 bmw 320i Añadimos el dataset AUTO_MPG_APPLY que contiene la información de la tabla anterior a nuestro flujo de trabajo, junto con el nodo Aplicación. Indicamos al nodo aplicación cual es el modelo a aplicar y cuáles son los datos a los que será aplicado 38 el modelo (AUTO_MPG_APPLY). En las propiedades del nodo aplicación, modificamos la salida, incluyendo además del ID de cada modelo de coche, las predicciones, el atributo CAR_NAME y el atributo MPG. Gracias a eso podemos comparar el valor real con el valor predicho por los algoritmos. La salida la registraremos en una nueva tabla llamada AUTO_MPG_RESULT. A continuación podemos observar la salida, una vez ha sido aplicado el modelo de regresión. ID CAR NAME MPG SVM_PRED GLM_PRED 5 ford torino 17 17,8259 15,8177 15 toyota corona mark ii 24 25,1418 24,6598 69 oldsmobile delta 88 royale 12 12,8834 11,6781 376 honda accord 36 35,3011 34,8871 389 vw pickup 44 40,0978 34,3963 391 ford ranger 28 29,5363 29,7633 348 ford escort 4w 34,4 36,3737 32,4613 273 audi 5000 20,3 29,6276 30,8909 269 toyota celica gt liftback 21,1 26,4354 30,0268 241 bmw 320i 21,5 27,3814 27,1457 Con la siguiente consulta SQL podemos determinar el error cometido en cada predicción por cada uno de los algoritmos: ID CAR NAME GLM_ERROR SVM_ERROR 5 ford torino 1,18225798 0,82585114 15 toyota corona mark ii 0,6597903 1,14176734 69 oldsmobile delta 88 royale 0,32187316 0,8833714 SELECT id, car_name, ABS(mpg - glm_pred) error_glm, ABS(mpg - svm_pred) error_svm FROM auto_mpg_result; 39 376 honda accord 1,11289128 0,69888697 389 vw pickup 9,60370002 3,90224097 391 ford ranger 1,76334697 1,53634369 348 ford escort 4w 1,93865802 1,9736886 273 audi 5000 10,5908585 9,32758151 269 toyota celica gt liftback 8,92676427 5,33536647 241 bmw 320i 5,64570742 5,88141659 También podemos calcular el error promedio absoluto cometido por cada algoritmo: GLM_ERROR_PROMEDIO_ABSOLUTO SVM_ERROR_ PROMEDIO_ABSOLUTO 4,17458479% 3,15065147% 4.5. Ejemplo aplicado a Dataset de la Universidad de Irvine mediante PL/SQL /* Creación de una vista con los atributos que vamos a usar para la creación del modelo de regresión */ CREATE or REPLACE VIEW AUTO_MPG_PL AS SELECT ID, MPG, CYLINDERS, DISPLACEMENT, HORSEPOWER, WEIGHT, ACCELERATION, MODEL_YEAR, ORIGIN FROM auto_mpg_training; /* Creación de la tabla que contendrá las opciones del modelo */ CREATE TABLE AUTO_MPG_REG_SET ( SETTING_NAME VARCHAR(30), SETTING_VALUE VARCHAR(4000) ); /* Inserscion de las opciones */ BEGIN /* Algoritmo: Support Vector machine */ INSERT INTO AUTO_MPG_REG_SET (SETTING_NAME, SETTING_VALUE) VALUES (SYS.dbms_data_mining.ALGO_NAME, SYS.dbms_data_mining.ALGO_SUPPORT_VECTOR_MACHINES); /* Modo: Lineal */ SELECT sum(ABS(mpg - glm_pred))/count(id) ERROR_MEDIO_GLM, sum(ABS(mpg - svm_pred))/count(id) ERROR_MEDIO_SVM FROM auto_mpg_result; 40 INSERT INTO AUTO_MPG_REG_SET (SETTING_NAME, SETTING_VALUE) VALUES (SYS.dbms_data_mining.SVMS_KERNEL_FUNCTION, SYS.dbms_data_mining.SVMS_LINEAR); /* Preparación automatica de los datos */ INSERT INTO AUTO_MPG_REG_SET (SETTING_NAME, SETTING_VALUE) VALUES (SYS.dbms_data_mining.PREP_AUTO, SYS.dbms_data_mining.PREP_AUTO_ON); END; / /* Creación del Modelo a partir de los datos situados en la vista AUTO_MPG_PL */ BEGIN SYS.dbms_data_mining.CREATE_MODEL( MODEL_NAME => 'AUTO_MPG_REGRESSION', MINING_FUNCTION => DBMS_DATA_MINING.REGRESSION, DATA_TABLE_NAME => 'AUTO_MPG_PL', CASE_ID_COLUMN_NAME => 'ID', TARGET_COLUMN_NAME => 'MPG', SETTINGS_TABLE_NAME => 'AUTO_MPG_REG_SET' ); END; / /* Aplicación del modelo a los datos situados en la tabla AUTO_MPG_TRAINING y volcado del resultado en la tabla AUTO_MPG_RESULT_PL */ BEGIN SYS.dbms_data_mining.APPLY( MODEL_NAME => 'AUTO_MPG_REGRESSION', DATA_TABLE_NAME => 'AUTO_MPG_TRAINING', CASE_ID_COLUMN_NAME => 'ID', RESULT_TABLE_NAME => 'AUTO_MPG_RESULT_PL' ); END; / 41 5. Técnica de Clustering 5.1. Descripción El clustering es una técnica de minería de datos que consiste en la división de un conjunto de elementos en conjuntos más pequeños llamados clusters, los cuales contienen datos que están relacionados entre sí de alguna forma. Los algoritmos de clustering que vamos a utilizar nos permiten seleccionar el número de clusters que queremos obtener de los datos que disponemos. Cuando los algoritmos nos ofrecen los resultados obtenidos, no nos revelan ninguna información sobre por qué están organizados así. Solo nos muestran un conjunto de reglas que determinan cuando un elemento pertenece un clúster u otro. Así que para utilizar la técnica de clustering podemos usar dos puntos de vista; el primero sería observar el contenido de los clúster e intentar identificar qué representa cada uno (caso que se verá en el próximo ejemplo); el segundo método consistiría en seleccionar un elemento cuyas características nos interesen y al realizar el clustering observar en que clúster está ubicado. De esta forma, sabremos que los elementos que lo acompañan tienen características similares. Los clusters pueden están organizados en un único nivel (a) o jerárquicamente (b). Los algoritmos que vamos a utilizar en Oracle Data Miner son del segundo tipo. Lo que nos permite obtener algo más de información acerca de las relaciones entre los clusters, como por ejemplo saber si un clúster es un subconjunto de otro. 42 5.2. Ejemplo simple Con el siguiente ejemplo comprenderemos fácilmente cómo funciona la técnica de clustering y cómo podríamos interpretar sus resultados. El ejemplo es muy simple y fijándonos brevemente en los datos, nosotros mismos podríamos identificar cuáles son los clusters en los que se podría dividir el conjunto de datos. Sin embargo, debemos de tener en cuenta que esta técnica es utilizada usualmente en conjunto de datos muy extensos en los que a simple vista no se ve relación alguna entre unos y otros. Partimos de una tabla donde se indican los pesos y alturas de nueve individuos: ID PESO ALTURA 9 96,46 2,08 1 10,2 0,76 4 50,99 1,54 2 12,9 0,88 6 62,94 1,68 7 85,67 1,96 3 15,1 0,96 8 80 2 5 51,2 1,6 Entrenamos un modelo de clustering a partir de estos datos. En este caso suponemos que le hemos indicado al algoritmo que deseamos dividir el conjunto en tres clusters. Una vez entrenado el modelo, podemos aplicarlo a nuevos datos o a los mismos datos con lo que lo hemos entrenado. Con la finalidad de que nos indique a que clúster pertenece cada elemento de la tabla. Como resultado obtenemos la siguiente tabla, en la que hemos ordenado los elementos agrupándolos por clúster. 43 ID ALTURA PESO CLUTER 1 0,76 10,2 1 2 0,88 12,9 1 3 0,96 15,1 1 4 1,54 50,99 3 5 1,6 51,2 3 6 1,68 62,94 3 7 1,96 85,67 2 8 2 80 2 9 2,08 96,46 2 Si observamos los datos que contiene cada clúster, podemos percatarnos de qué individuos están representados en cada conjunto. Por ejemplo, en el clúster número uno podemos ver que los pesos y alturas pertenecen a niños de muy temprana edad, el número dos a adolescentes o adultos de mediana estatura y el número tres podemos ver representados a adultos de estatura elevada. Además, como se mencionó anteriormente, los algoritmos que utiliza Oracle ofrecen una estructura de clusters jerárquica. Con la que obtenemos un esquema con las mismas características que el siguiente: En el interior de cada clúster se encuentran los identificadores de los individuos de la tabla anterior. A partir de esta estructura podemos obtener algo de más información de la que podemos extraer de la tabla. Como que los clusters 2 y 3 tienen más relación entre sí (adultos), que con el clúster 1 (niños de edad temprana). 50 En la siguiente tabla podemos ver un ejemplo de la información que contiene el dataset: Date_Time Global_ active_ power Global_ reactive_ power Voltage global_ intensity Sub_ metering_1 Sub_ metering_2 Sub_ metering_3 01/06/2007 10:24 1,294 0,062 232,14 5,6 0 2 17 01/06/2007 10:25 1,294 0,06 232,11 5,6 0 1 16 01/06/2007 10:26 1,298 0,06 231,86 5,6 0 1 17 01/06/2007 10:27 1,292 0,06 231,41 5,6 0 2 16 01/06/2007 10:28 1,296 0,06 231,83 5,6 0 1 16 01/06/2007 10:29 1,348 0,112 232,18 5,8 0 2 17 Para crear los clusters, añadimos a nuestro proyecto el nodo “origen de datos”, al cual le mostramos donde se encuentra almacenada nuestra información. También añadimos el nodo “creación de clúster”. Los unimos e indicamos en las opciones del nodo “creación de clúster” que queremos usar los dos algoritmos (k-means y ocluster). Dejamos las configuraciones de los algoritmos por defecto, exceptuando el número de clusters, donde vamos a indicarle que solo queremos tres. Una vez hecho esto, procedemos a ejecutar el nodo “creación de clúster”. Para ver los clusters que ha generado cada algoritmo solo tenemos que pulsar con el botón secundario sobre el nodo “creación del clúster” y seleccionar el modelo que queremos ver. Seleccionando el modelo generado por el algoritmo K-MEANS la primera información que nos aparece es la siguiente: 51 Como se puede ver, se obtiene un árbol el cual está compuesto por 5 clusters. Los nodos hoja son realmente los clusters en los que posteriormente será dividida nuestra información, en este caso 3, 4 y 5. Los nodos restantes son clusters intermedios formados por los nodos hoja, por ejemplo los nodos 4 y 5 son subconjuntos del nodo 2. En cada nodo se muestra el número de elementos que pertenece a él (Recuento) y el porcentaje de la muestra que representan estos elementos. También se indica la media de cada uno de los atributos, por ejemplo en el nodo 5 la media de los voltajes referentes a los elementos que contiene ese clúster es de 237,2328 Voltios. Si pulsamos sobre cualquiera de los nodos hoja podemos ver cuáles son las reglas usadas para determinar a qué nodo (clúster) pertenece cada elemento. 52 En la siguiente tabla se pueden observar estas reglas y con cual nodo corresponden: Clúster Regla 3 Si 0 <= SUB_METERING_3 <= 2 Y 0,4 <= GLOBAL_INTENSITY <= 3,62 Y 0,082 <= GLOBAL_ACTIVE_POWER <= 0,8352 Y 234,648 <= VOLTAGE <= 244,708 Y 0 <= SUB_METERING_1 <= 7,5 Y 0 <= SUB_METERING_2 <= 7,3 Y 0 <= GLOBAL_REACTIVE_POWER <= 0,3444 4 Si 22,5 <= SUB_METERING_1 <= 45 Y 10,06 <= GLOBAL_INTENSITY <= 26,16 Y 2,3416 <= GLOBAL_ACTIVE_POWER <= 6,1076 Y 228,612 <= VOLTAGE <= 240,684 Y 0 <= GLOBAL_REACTIVE_POWER <= 0,574 Y 0 <= SUB_METERING_2 <= 7,3 Y 0 <= SUB_METERING_3 <= 20 5 Si 3,62 <= GLOBAL_INTENSITY <= 13,28 Y 0,8352 <= GLOBAL_ACTIVE_POWER <= 3,0948 Y 230,624 <= VOLTAGE <= 242,696 Y 0 <= SUB_METERING_1 <= 7,5 Y 0 <= SUB_METERING_2 <= 7,3 Y 0 <= SUB_METERING_3 <= 20 Y 0 <= GLOBAL_REACTIVE_POWER <= 0,3444 Si seleccionamos un registro aleatoriamente como el siguiente, podemos calcular a que clúster pertenece. DATE_TIME 01/06/2007 12:15:00 GLOBAL_ACTIVE_POWER 1,406 GLOBAL_INTENSITY 6 GLOBAL_REACTIVE_POWER 0,19 SUB_METERING_1 0 SUB_METERING_2 2 SUB_METERING_3 17 VOLTAGE 233,92 Si comprobamos cuales de las reglas cumple, vemos que el registro pertenece al cluster número 5. Clúster 5 Si 3,62 <= GLOBAL_INTENSITY (6) <= 13,28 Y 0,8352 <= GLOBAL_ACTIVE_POWER (1,406) <= 3,0948 Y 230,624 <= VOLTAGE (233,92) <= 242,696 Y 0 <= SUB_METERING_1 (0) <= 7,5 Y 0 <= SUB_METERING_2 (2) <= 7,3 Y 0 <= SUB_METERING_3 (17) <= 20 Y 0 <= GLOBAL_REACTIVE_POWER (0,19) <= 0,3444 Ahora que conocemos los clusters podemos estudiar toda la información que nos ofrece el modelo para intentar determinar (si es posible) que significado puede tener 53 cada uno. Personalmente me he fijado en el parámetro intensidad, que nos indica la intensidad global de corriente que es usada por la red. Si observamos la condición de la intensidad en cada uno de los clusters podemos llegar a la conclusión siguiente: En el clúster 3 la intensidad se sitúa entre 0,4 y 3,62 Amperios, lo que indica que prácticamente no se está haciendo uso de los aparatos eléctricos. En el clúster 5 la intensidad se mueve entre 3,62 y 12,28 Amperios, lo cual podríamos considerar como un uso medio de la instalación. Y finalmente el clúster 4 donde la intensidad en encuentra entre 10,06 y 26,16 Amperios, muestra un uso intensivo de la red, porque por ejemplo se esté usando el aire acondicionado o el calentador de agua eléctrico. Una vez que tenemos nuestro nodo de clustering preparado, procedemos a aplicarlo a nuestros datos, para saber a qué clúster pertenece cada elemento. Los resultados los vamos a almacenar en una tabla llamada HOUSEHOLD_CONSUMPTION_CLUSTER donde para simplificar solo vamos a mostrar la fecha y la hora junto con el clúster al que pertenece y la probabilidad de que sea cierto. Sabiendo ya lo que significa que un elemento pertenezca a un clúster u otro, en este caso, podemos por ejemplo ver las horas en las cuales se hace mayor o menor uso de la instalación eléctrica. 54 Aquí se puede observar un extracto de la tabla: DATE_TIME CLUS_KM_1_12_CLID CLUS_KM_1_12_PROB 01/06/2007 20:37 0,7965 5 01/06/2007 20:38 0,8053 5 01/06/2007 20:39 0,7694 5 02/06/2007 10:30 0,7409 3 02/06/2007 10:31 0,7399 3 02/06/2007 10:32 0,7411 3 02/06/2007 11:04 0,998 4 02/06/2007 11:05 0,9975 4 02/06/2007 11:06 0,9974 4 En la tabla podemos ver que las 8 de la tarde pertenece al clúster número 5, lo que nos indica que se está haciendo un uso medio de la red. Las 10 de la mañana pertenece al clúster número 3 por lo que no se está haciendo uso de la red. Las 11 de la mañana pertenece al clúster número 4 lo que nos indica que se está haciendo un uso intensivo de la red. 5.5. Ejemplo aplicado a Dataset de la Universidad de Irvine mediante PL/SQL /* Creación de la tabla que contendrá las opciones del modelo */ CREATE TABLE CONSUMPTION_CLUS_SET ( SETTING_NAME VARCHAR(30), SETTING_VALUE VARCHAR(4000) ); /* Inserción de las opciones */ BEGIN /* Algoritmo: K-MEANS */ INSERT INTO CONSUMPTION_CLUS_SET (SETTING_NAME, SETTING_VALUE) VALUES (SYS.dbms_data_mining.ALGO_NAME, SYS.dbms_data_mining.ALGO_KMEANS); /* Número de clusters: 3 */ INSERT INTO CONSUMPTION_CLUS_SET (SETTING_NAME, SETTING_VALUE) VALUES (SYS.dbms_data_mining.CLUS_NUM_CLUSTERS, 3); /* Preparación automática de los datos */ INSERT INTO CONSUMPTION_CLUS_SET (SETTING_NAME, SETTING_VALUE) VALUES (SYS.dbms_data_mining.PREP_AUTO, SYS.dbms_data_mining.PREP_AUTO_ON); END; 55 /* Creación del Modelo a partir de los datos situados en la tabla HOUSEHOLD_CONSUMPTION_6_2007 */ BEGIN SYS.dbms_data_mining.CREATE_MODEL( MODEL_NAME => 'CONSUMPTION_CLUS_PL', MINING_FUNCTION => DBMS_DATA_MINING.CLUSTERING, DATA_TABLE_NAME => 'HOUSEHOLD_CONSUMPTION_6_2007', CASE_ID_COLUMN_NAME => 'DATE_TIME', TARGET_COLUMN_NAME => NULL, SETTINGS_TABLE_NAME => 'CONSUMPTION_CLUS_SET' ); END; / /* Aplicación del modelo a los datos situados en la tabla HOUSEHOLD_CONSUMPTION_6_2007 y volcado del resultado en la tabla CONSUMPTION_RESULT_PL */ BEGIN SYS.DBMS_DATA_MINING.APPLY( model_name => 'CONSUMPTION_CLUS_PL', data_table_name => 'HOUSEHOLD_CONSUMPTION_6_2007', case_id_column_name => 'DATE_TIME', result_table_name => 'CONSUMPTION_RESULT_PL' ); END; / 6. Técnica de Asociación 6.1. Descripción La asociación es una técnica de minería de datos que nos permite averiguar hechos que ocurren dentro de los conjuntos de datos. Cuando aplicamos esta técnica, el resultado es un conjunto de reglas de asociación. Esta reglas tiene este aspecto: {A, B} => {C} ({antecedente} => {consecuente}), esto quiere decir que siempre que se da A y B es muy probable que también se dé C. Para poner en contexto esto, imaginemos que contamos con un conjunto de datos donde se indica que libros extraen los alumnos de la biblioteca de ETSI Informática de Málaga. Algunas de las posibles reglas que podríamos obtener tendrían un aspecto parecido a estas: 56 {“Java 8, los fundamentos del lenguaje Java”, “Fundamental 2d game programing with Java”} => {“Programación en Android con Java”} Esta regla nos hace ver que la mayoría de los alumnos que han pedido un préstamo de los libros “Java 8, los fundamentos del lenguaje Java” y “Fundamental 2d game programing with Java” también se han llevado el libro “Programación en Android con Java”. {“Dispositivos Electrónicos”, “Análisis de circuitos electrónicos”} => {“Problemas Resueltos de circuitos electrónicos”} En esta observamos que los alumnos que han pedido un préstamo de los libros “Dispositivos Electrónicos” y “Análisis de circuitos electrónicos” también se han llevado en la mayoría de los casos “Problemas Resueltos de circuitos electrónicos”. A partir de este análisis, por ejemplo, podríamos obtener como conclusión que tener en stock él mismo número de volúmenes de los libros indicados en la reglas sería buena idea, ya que así, casi siempre un alumno va a poder llevarse los tres libros juntos. 6.2. Algoritmos de Asociación 6.2.1. A priori 6.2.1.1. Descripción El algoritmo Apriori encuentra reglas de asociación en los datos. Por ejemplo, "si un cliente de una carpintería ha comprado madera contrachapada y tacos, hay un 89% de probabilidad de que también compre cola blanca". El algoritmo divide su ejecución en dos partes: 1Encontrar todas las combinaciones de elementos, denominadas conjuntos de elementos frecuentes, cuyo soporte es superior al soporte mínimo. 2Utilizar los conjuntos de elementos frecuentes para generar las reglas deseadas. La idea es que si, por ejemplo, ABC y BC son frecuentes, entonces la regla "A implica BC", siempre que el cociente de soporte (ABC) y soporte (BC) sea como mínimo igual de grande que la confianza mínima. Observe que la regla tendrá un soporte mínimo debido a que ABCD es frecuente. La 57 asociación de Oracle Data Miner solamente admite reglas únicas consecuentes (ABC implica D). 6.2.1.2. Opciones Principales Longitud Máxima de Regla: Número máximo de precondiciones que puede tener una regla. Porcentaje confianza mínima: Las reglas con confianza mínima menor a la especificada son descartadas. Porcentaje soporte mínimo: porcentaje mínimo para considerar un conjunto de datos frecuente. 6.3. Ejemplo aplicado a Dataset Desgraciadamente no existe ningún dataset en la universidad de Irvine que cumpla con las características necesarias para aplicarle la técnica de asociación. Por ello, vamos a elegir un dataset que ofrece Oracle en uno de sus esquemas. Además dado que la compresión de este es muy simple e intuitiva, obviaremos el apartado de “Ejemplo simple”. Este dataset se encuentra situado en el esquema SH de Oracle 11g y su nombre es SALES. Este contiene una lista de los productos adquiridos por los clientes de un establecimiento, en total 918843 elementos. Para facilitar la compresión del dataset vamos a realizar una unión (join) de las tablas SH.SALES y SH.PRODUCTS con el objetivo de tener el nombre del producto en vez de su identificador. Además para simplificar el dataset solo vamos a usar los siguientes campos: TABLA SALES TABLA PRODUCTS CUST_ID, TIME_ID y PROD_ID (para realizar la unión). PROD_NAME, PROD_ID (para realizar la unión). 58 La unión la podemos crear mediante el nodo “Unión” indicando en las propiedades, que vamos a realizarla a partir de la clave ID_PROD situada en ambas tablas. También eliminaremos el atributo PROD_ID en el nodo “Crear nueva tabla o vista”. Quedando finalmente nuestro dataset con el siguiente aspecto: ATRIBUTO SIGNIFICADO POSIBLES VALORES CUST_ID Identificador del cliente Valor Discreto TIME_ID Fecha en la que fue realizada la compra Fecha PROD_NAME Nombre del producto Cadena de texto Un ejemplo de la información que contiene es el siguiente: CUST_ID TIME_ID PROD_NAME 2 02/05/1998 Mouse Pad 2 02/05/1998 1.44MB External 3.5" Diskette 6 22/06/2001 Model C9827B Cordless Phone Battery 6 22/06/2001 Model K8822S Cordless Phone Battery 20 17/08/1999 Envoy External 6X CD-ROM 20 17/08/1999 SIMM16MB PCMCIAII card 20 17/08/1999 Multimedia speakers3" cones 20 17/08/1999 Unix/Windows 1-user pack Como podemos observar, cada compra de un producto ha sido insertada de forma individual, por lo que para saber que llevaba en el “carrito” cierto día un cliente, deberíamos agrupar por fecha e identificador de cliente. Por ejemplo, el cliente con identificador 2, el día 2/5/1989 compró un Mouse Pad y 1.44MB External 3.5" Diskette. Ahora que tenemos un dataset comprensible podemos proceder a obtener las reglas de asociación que en él subyacen. 59 Para poder aplicar el nodo “Creación de asociación”, necesitamos indicar en sus propiedades el ID de la transacción (en este caso la transacción se refiere a la compra del usuario) y el identificador del elemento del cual queremos las reglas de asociación. Para nosotros el identificador de una transacción está compuesto por el identificador de usuario y la fecha de compra. Y el identificador del elemento es el nombre del producto. Una vez ejecutado el nodo “Creación de asociación” procedemos a examinar el modelo generado. En la primera pestaña, llamada “Reglas”, tal y como su nombre índica tenemos todas las reglas encontradas por el algoritmo. Aquí podemos ver las cinco primeras: ID Antecedente Consecuente Medida de Eficacia Confianza (%) Soporte (%) Recuento de Elementos 9704 128MB Memory Card AND Comic Book Heroes AND 256MB Memory Card Fly Fishing 29,123 70,866 1,069 3 11589 Bounce AND Comic Book Heroes AND 256MB Memory Card Fly Fishing 28,739 69,93 1,053 3 9716 128MB Memory Card AND Martial Arts Champions AND Comic Book Heroes Fly Fishing 28,302 68,868 1,1 3 11601 Bounce AND Martial Arts Champions AND Comic Book Heroes Fly Fishing 27,853 67,774 1,098 3 9701 Fly Fishing AND 256MB Memory Card AND 128MB Memory Card Comic Book Heroes 27,826 77,547 1,069 3 El significado de la primera fila es el siguiente: Las dos primeras columnas representan el Antecedente y el Consecuente de la regla. Representado de manera convencional quedaría de la siguiente forma: {128MB Memory Card AND Comic Book Heroes AND 256MB Memory Card} => {Fly Fishing} 66 8.1.2. Diagrama de Casos de Uso 67 8.1.3. Diagrama de clases del modelo de negocio 68 8.1.4. Diagrama de actividad 69 8.1.5. Diagrama de despliegue 70 8.1.6. Diagrama de navegación 71 9. Manual de uso de la aplicación 9.1. Login La primera pantalla que nos encontramos cuando accedemos a la aplicación es la de Login. El sistema cuenta con 3 roles de usuario: Doctor, Pathologist, Doctor Analyst. Cada uno de ellos nos redirige a su parte de la aplicación especializada. Los usuarios válidos para acceder al sistema son los siguientes: Usuario Contraseña Rol Jorge 1234 Doctor Lidia 1234 Pathologist Jorge 1234 Doctor Analyst 9.2. Usuario Doctor Si accedemos mediante el usuario Jorge con el rol Doctor, el sistema nos muestra el listado de pacientes que tiene asignado el médico. 72 Cuando pulsamos sobre el icono de información situado a la derecha de cada paciente, el sistema nos muestra en primer lugar las pruebas que se pueden solicitar para este. En nuestro caso, dado que la aplicación es un prototipo, sólo podemos solicitar citologías. Cuando solicitamos una citología el sistema nos indica si el proceso se ha realizado correctamente mediante el siguiente mensaje: 73 En segundo lugar, la aplicación nos muestra un listado de las citologías del paciente. De estas podemos distinguir dos tipos, aquellas en las que ya se sabe su diagnóstico final, como por ejemplo la primera y las que todavía no se conocen diagnóstico (todas las demás). El proceso normal consiste en que el médico recibe los resultados de una citología junto con la predicción del diagnóstico y la probabilidad de que sea cierto. Estos datos ayudan al médico a tomar las decisiones oportunas. Una vez finalizado el estudio del tumor y sabiendo al 100% su diagnóstico, el médico procederá a asignar el diagnostico final a la citología. Gracias a esta asignación el sistema podrá utilizarla en la fase de creación de un modelo de clasificación. Para ver los detalles de los parámetros de cada citología únicamente necesitamos pulsar sobre el icono Lupa. 9.3. Usuario Analytics Doctor Si accedemos mediante el usuario Jorge con el rol Doctor Analyst, el sistema nos mostrará una lista de los modelos de clasificación existentes. 74 El modelo de clasificación que está usando actualmente el sistema es aquél donde el botón “Use” se encuentra deshabilitado. En el caso de que queramos seleccionar otro modelo para realizar las clasificaciones del sistema solo tenemos que pulsar sobre su botón “Use”. También podemos ver las características de cada modelo pulsando sobre el botón “Info”. Al pulsar sobre este, el sistema nos muestra la siguiente información: 75 En él podemos observar la matriz de confusión del modelo en una tabla y en forma de gráfica. Si pulsamos sobre el botón “Create New Model” el sistema nos redirige a la siguiente vista. En ella podemos ver el listado completo de los resultados de todas las citologías del sistema. La creación de un modelo puede ser realizada de dos maneras. La primera es crear un modelo de clasificación a partir de todos los datos almacenados en el sistema. La segunda es crear el modelo a partir de los datos seleccionados manualmente. 82 [18] Nombre IBM Oracle Data Mining Dirección http://www01.ibm.com/support/knowledgecenter/SS3RA7_17.0.0/ clementine/dbmining_oracle_container.dita?lang=es [19] Nombre Tipos de problemas de minería de datos Dirección http://www.dataprix.com/tipos-deproblemas-de-mineria-de-datos 83 12. Anexo 1Tecnologías utilizadas 12.1. Lenguajes 12.1.1. Java Java es un lenguaje de programación de propósito general, concurrente, orientado a objetos que fue diseñado específicamente para tener tan pocas dependencias de implementación como fuera posible. Su intención es permitir que los desarrolladores de aplicaciones escriban el programa una vez y lo ejecuten en cualquier dispositivo (conocido en inglés como WORA, o "write once, run anywhere"), lo que quiere decir que el código que es ejecutado en una plataforma no tiene que ser recompilado para correr en otra. Java es, a partir de 2012, uno de los lenguajes de programación más populares en uso, particularmente para aplicaciones de cliente-servidor de web, con unos 10 millones de usuarios reportados. El lenguaje de programación Java fue originalmente desarrollado por James Gosling de Sun Microsystems (la cual fue adquirida por la compañía Oracle) y publicado en 1995 como un componente fundamental de la plataforma Java de Sun Microsystems. Su sintaxis deriva en gran medida de C y C++, pero tiene menos utilidades de bajo nivel que cualquiera de ellos. Las aplicaciones de Java son generalmente compiladas a bytecode (clase Java) que puede ejecutarse en cualquier máquina virtual Java (JVM) sin importar la arquitectura de la computadora subyacente. La compañía Sun desarrolló la implementación de referencia original para los compiladores de Java, máquinas virtuales, y librerías de clases en 1991 y las publicó por primera vez en 1995. A partir de mayo de 2007, en cumplimiento con las especificaciones del Proceso de la Comunidad Java, Sun volvió a licenciar la mayoría de sus tecnologías de Java bajo la Licencia Pública General de GNU. Otros también han desarrollado implementaciones alternas a estas tecnologías de Sun, tales como el Compilador de Java de GNU y el GNU Classpath. 12.1.2. HTML HTML, siglas de HyperText Markup Language («lenguaje de marcas de hipertexto»), hace referencia al lenguaje de marcado para la elaboración de páginas web. Es un estándar que sirve de referencia para la elaboración de páginas web en sus diferentes versiones, define una estructura básica y un código (denominado código HTML) para la definición de contenido de una página web, como texto, imágenes, videos, entre otros. Es un estándar a cargo de la W3C, organización dedicada a la estandarización 84 de casi todas las tecnologías ligadas a la web, sobre todo en lo referente a su escritura e interpretación. Se considera el lenguaje web más importante siendo su invención crucial en la aparición, desarrollo y expansión de la World Wide Web. Es el estándar que se ha impuesto en la visualización de páginas web y es el que todos los navegadores actuales han adoptado. 12.1.3. CSS Hoja de estilo en cascada o CSS (siglas en inglés de cascading style sheets) es un lenguaje usado para definir y crear la presentación de un documento estructurado escrito en HTML o XML2 (y por extensión en XHTML). El World Wide Web Consortium (W3C) es el encargado de formular la especificación de las hojas de estilo que servirán de estándar para los agentes de usuario o navegadores. La idea que se encuentra detrás del desarrollo de CSS es separar la estructura de un documento de su presentación. La información de estilo puede ser definida en un documento separado o en el mismo documento HTML. En este último caso podrían definirse estilos generales con el elemento «style» o en cada etiqueta particular mediante el atributo «style». 12.1.4. SQL SQL (por sus siglas en inglés Structured Query Language) es un lenguaje declarativo de acceso a bases de datos relacionales que permite especificar diversos tipos de operaciones en ellas. Una de sus características es el manejo del álgebra y el cálculo relacional que permiten efectuar consultas con el fin de recuperar, de forma sencilla, información de bases de datos, así como hacer cambios en ellas. 12.1.5. PL/SQL PL/SQL (Procedural Language/Structured Query Language) es un lenguaje de programación incrustado en Oracle. PL/SQL soporta todas las consultas, ya que la manipulación de datos que se usa es la misma que en SQL, incluyendo nuevas características:  El manejo de variables.  Estructuras modulares.  Estructuras de control de flujo y toma de decisiones.  Control de excepciones. El lenguaje PL/SQL está incorporado en:  Servidor de la base de datos. 85  Herramientas de Oracle (Forms, Reports,...). En un entorno de base de datos los programadores pueden construir bloques PL/SQL para utilizarlos como procedimientos o funciones, o bien pueden escribir estos bloques como parte de scripts SQL*Plus. Los programas o paquetes de PL/SQL se pueden almacenar en la base de datos como otro objeto, y todos los usuarios que estén autorizados tienen acceso a estos paquetes. Los programas se ejecutan en el servidor para ahorrar recursos a los clientes. 12.1.6. UML Lenguaje Unificado de Modelado (UML, por sus siglas en inglés, Unified Modeling Language) es el lenguaje de modelado de sistemas de software más conocido y utilizado en la actualidad; está respaldado por el OMG (Object Management Group). Es un lenguaje gráfico para visualizar, especificar, construir y documentar un sistema. UML ofrece un estándar para describir un "plano" del sistema (modelo), incluyendo aspectos conceptuales tales como procesos de negocio, funciones del sistema, y aspectos concretos como expresiones de lenguajes de programación, esquemas de bases de datos y compuestos reciclados. 12.2. Frameworks 12.2.1. JSF JavaServer Faces (JSF) es una tecnología y framework para aplicaciones Java basadas en web que simplifica el desarrollo de interfaces de usuario en aplicaciones Java EE. JSF usa JavaServer Pages (JSP) como la tecnología que permite hacer el despliegue de las páginas, pero también se puede acomodar a otras tecnologías como XUL (acrónimo de XML-based User-interface Language, lenguaje basado en XML para la interfaz de usuario) JSF incluye:  Un conjunto de APIs para representar componentes de una interfaz de usuario y administrar su estado, manejar eventos, validar entrada, definir un esquema de navegación de las páginas y dar soporte para internacionalización y accesibilidad.  Un conjunto por defecto de componentes para la interfaz de usuario. 86  Dos bibliotecas de etiquetas personalizadas para JavaServer Pages que permiten expresar una interfaz JavaServer Faces dentro de una página JSP.  Un modelo de eventos en el lado del servidor.  Administración de estados.  Beans administrados. 12.2.2. Java Persistence API Java Persistence API, más conocida por sus siglas JPA, es la API de persistencia desarrollada para la plataformaJava EE Es un framework del lenguaje de programación Java que maneja datos relacionales en aplicaciones usando la Plataforma Java en sus ediciones Standard (Java SE) y Enterprise (Java EE). La JPA fue originada a partir del trabajo del JSR 220 Expert Group. Ha sido incluida en el estándar EJB3. Persistencia en este contexto cubre tres áreas: • La API en sí misma, definida en el paquete javax.persistence • El lenguaje de consulta Java Persistence Query Language (JPQL). • Metadatos objeto/relacional. El objetivo que persigue el diseño de esta API es no perder las ventajas de la orientación a objetos al interactuar con una base de datos (siguiendo el patrón de mapeo objeto-relacional), como sí pasaba con EJB2, y permitir usar objetos regulares (conocidos como POJOs). 12.3. Librerías 12.3.1. PrimeFaces PrimeFaces es una librería de componentes para JavaServer Faces (JSF) de código abierto que cuenta con un conjunto de componentes enriquecidos que facilitan la creación de las aplicaciones web. Primefaces está bajo la licencia de Apache License V2. Propiedades: 87  Conjunto de componentes ricos (Editor de HTML, autocompletar, cartas, gráficas o paneles, entre otros).  Soporte de ajax con despliegue parcial, lo que permite controlar qué componentes de la página actual se actualizarán y cuáles no.  Componente para desarrollar aplicaciones web para teléfonos móviles, especiales para iPhones, Palm, Android y teléfonos móviles Nokia. 12.3.2. DBMS_DATA_MINING Librería interna de Oracle que almacena todas las funciones y procedimientos necesarios para el uso la minería de datos en los desarrollos en PL/SQL. Aquí una muestra de los procedimientos más importantes que contiene: Procedimiento / Función Propósito APPLY Procedure Aplicación del modelo CREATE_MODEL Procedure Creación de un modelo COMPUTE_CONFUSION_MATRIX Procedure Creación de la matriz de confusión COMPUTE_LIFT Procedure Calculo del LIFT COMPUTE_ROC Procedure Calculo de ROC DROP_MODEL Procedure Eliminación de un modelo EXPORT_MODEL Procedure Exportación de uno o más modelos del esquema GET_ASSOCIATION_RULES Function Esta función retorna las reglas de asociación de un modelo de asociación. GET_DEFAULT_SETTINGS Function Esta función retorna todas las opciones por defecto para todas las funciones y algoritmos de minería de datos. GET_FREQUENT_ITEMSETS Function Retorna un conjunto de filas que representan la frecuencia de un conjunto de datos perteneciente a un modelo de asociación GET_MODEL_DETAILS_ABN Function Proporciona los detalles de un modelo de Bayes adaptativo de red. GET_MODEL_DETAILS_KM Function Proporciona los detalles de un modelo K-Means GET_MODEL_DETAILS_NB Function Proporciona los detalles de un modelo Naive Bayes GET_MODEL_DETAILS_NMF Function Proporciona los detalles de un modelo NMF GET_MODEL_DETAILS_SVM Function Proporciona los detalles de un modelo SVM con kernel lineal 88 GET_MODEL_SETTINGS Function Proporciona las opciones usadas para la creación de un modelo GET_MODEL_SIGNATURE Function Proporciona el identificador del modelo IMPORT_MODEL Procedure Importa uno o más modelos al esquema RENAME_MODEL Procedure Renombra un modelo 12.4. Herramientas 12.4.1. Oracle SQL Developer Oracle SQL Developer es un entorno de desarrollo gratuito que simplifica el desarrollo y el mantenimiento de las bases de datos Oracle, ya sea de la manera tradicional o en la nube. Oracle SQL Developer ofrece un completo entorno de desarrollo para el lenguaje PL/SQL además de ser una solución completa para modelado datos y migración de estos de forma sencilla. 12.4.2. Oracle SQL Developer Data Modeler Oracle SQL Developer Data Modeler es una aplicación gráfica gratuita para la realización de tareas de modelado. Usando SQL Develper Data Modeler los usuarios pueden crear, visualizar y editar, datos relacionales, lógicos y físicos. Además la aplicación proporciona herramientas de ingeniería inversa, facilitando el paso de unos modelos de datos a otros. 12.4.3. Netbeans NetBeans es un entorno de desarrollo integrado libre, hecho principalmente para el lenguaje de programación Java. Existe además un número importante de módulos para extenderlo. NetBeans IDE2 es un producto libre y gratuito sin restricciones de uso. NetBeans IDE soporta el desarrollo de todos los tipos de aplicación Java (J2SE, web, EJB y aplicaciones móviles). Entre sus características se encuentra un sistema de proyectos basado en Ant, control de versiones y refactoring. 89 12.4.4. MagicDraw MagicDraw es una aplicación de modelado visual para UML, SysML, BPMN, y UPDM. Esta aplicación está diseñada para analistas de negocio, analistas de software, programadores e ingenieros de calidad. La aplicación simplifica el análisis y el diseño de sistemas orientados a objetos y bases de datos. 12.4.5. Google Chrome Google Chrome es un navegador web desarrollado por Google y compilado con base en varios componentes e infraestructuras de desarrollo de aplicaciones (frameworks) de código abierto, como el motor de renderizado Blink (bifurcación o fork de WebKit). 90 13. Anexo 2 – Script de creación de la base de datos En el siguiente script se proporciona la estructura de la base de datos, los procedimientos almacenados junto con la información necesaria para la correcta ejecución de la aplicación BreastCancerApp. 13.1. Estructura de la base de datos -------------------------------------------------------- -- DDL for Sequence ID_CYTOLOGY -------------------------------------------------------- CREATE SEQUENCE "DMUSER"."ID_CYTOLOGY" MINVALUE 1 MAXVALUE 9999999999999999999999999999 INCREMENT BY 1 START WITH 410 CACHE 20 NOORDER NOCYCLE ; -------------------------------------------------------- -- DDL for Sequence ID_MODEL -------------------------------------------------------- CREATE SEQUENCE "DMUSER"."ID_MODEL" MINVALUE 1 MAXVALUE 9999999999999999999999999999 INCREMENT BY 1 START WITH 262 CACHE 20 NOORDER NOCYCLE ; -------------------------------------------------------- -- DDL for Sequence ID_MUEBLE -------------------------------------------------------- CREATE SEQUENCE "DMUSER"."ID_MUEBLE" MINVALUE 1 MAXVALUE 9999999999999999999999999999 INCREMENT BY 1 START WITH 30 CACHE 20 NOORDER NOCYCLE ; -------------------------------------------------------- -- DDL for Table MODEL -------------------------------------------------------- CREATE TABLE "DMUSER"."MODEL" ( "ID" NUMBER, "NAME" VARCHAR2(100 BYTE), "ACCURACY" FLOAT(126), "USING_" CHAR(1 BYTE) DEFAULT 0, "DATE_" DATE ) SEGMENT CREATION IMMEDIATE PCTFREE 10 PCTUSED 40 INITRANS 1 MAXTRANS 255 NOCOMPRESS LOGGING STORAGE(INITIAL 65536 NEXT 1048576 MINEXTENTS 1 MAXEXTENTS 2147483645 PCTINCREASE 0 FREELISTS 1 FREELIST GROUPS 1 BUFFER_POOL DEFAULT FLASH_CACHE DEFAULT CELL_FLASH_CACHE DEFAULT) TABLESPACE "USERS" ; -------------------------------------------------------- -- DDL for Table MODEL_TMP -------------------------------------------------------- CREATE TABLE "DMUSER"."MODEL_TMP" ( "ID" NUMBER, "CLUMP_THICKNESS" NUMBER, "UNIFORMITY_OF_CELL_SIZE" NUMBER, "UNIFORMITY_OF_CELL_SHAPE" NUMBER, "MARGINAL_ADHESION" NUMBER, 91 "SINGLE_EPITHELIAL_CELL_SIZE" NUMBER, "BARE_NUCLEI" NUMBER, "BLAND_CHROMATIN" NUMBER, "NORMAL_NUCLEOLI" NUMBER, "MITOSES" NUMBER, "DIAGNOSTIC" NUMBER ) SEGMENT CREATION IMMEDIATE PCTFREE 10 PCTUSED 40 INITRANS 1 MAXTRANS 255 NOCOMPRESS LOGGING STORAGE(INITIAL 65536 NEXT 1048576 MINEXTENTS 1 MAXEXTENTS 2147483645 PCTINCREASE 0 FREELISTS 1 FREELIST GROUPS 1 BUFFER_POOL DEFAULT FLASH_CACHE DEFAULT CELL_FLASH_CACHE DEFAULT) TABLESPACE "USERS" ; -------------------------------------------------------- -- DDL for Table MODEL_TMP_SETTINGS -------------------------------------------------------- CREATE TABLE "DMUSER"."MODEL_TMP_SETTINGS" ( "SETTING_NAME" VARCHAR2(30 BYTE), "SETTING_VALUE" VARCHAR2(4000 BYTE) ) SEGMENT CREATION IMMEDIATE PCTFREE 10 PCTUSED 40 INITRANS 1 MAXTRANS 255 NOCOMPRESS LOGGING STORAGE(INITIAL 65536 NEXT 1048576 MINEXTENTS 1 MAXEXTENTS 2147483645 PCTINCREASE 0 FREELISTS 1 FREELIST GROUPS 1 BUFFER_POOL DEFAULT FLASH_CACHE DEFAULT CELL_FLASH_CACHE DEFAULT) TABLESPACE "USERS" ; -------------------------------------------------------- -- DDL for Table DOCTOR -------------------------------------------------------- CREATE TABLE "DMUSER"."DOCTOR" ( "ID" NUMBER, "NAME" VARCHAR2(100 BYTE), "SURNAME" VARCHAR2(100 BYTE), "PASSWORD" VARCHAR2(100 BYTE) ) SEGMENT CREATION IMMEDIATE PCTFREE 10 PCTUSED 40 INITRANS 1 MAXTRANS 255 NOCOMPRESS LOGGING STORAGE(INITIAL 65536 NEXT 1048576 MINEXTENTS 1 MAXEXTENTS 2147483645 PCTINCREASE 0 FREELISTS 1 FREELIST GROUPS 1 BUFFER_POOL DEFAULT FLASH_CACHE DEFAULT CELL_FLASH_CACHE DEFAULT) TABLESPACE "USERS" ; -------------------------------------------------------- -- DDL for Table PATIENT -------------------------------------------------------- CREATE TABLE "DMUSER"."PATIENT" ( "ID" NUMBER, "NAME" VARCHAR2(100 BYTE), "SURNAME" VARCHAR2(100 BYTE), "DOCTOR" NUMBER ) SEGMENT CREATION IMMEDIATE PCTFREE 10 PCTUSED 40 INITRANS 1 MAXTRANS 255 NOCOMPRESS LOGGING STORAGE(INITIAL 65536 NEXT 1048576 MINEXTENTS 1 MAXEXTENTS 2147483645 PCTINCREASE 0 FREELISTS 1 FREELIST GROUPS 1 BUFFER_POOL DEFAULT FLASH_CACHE DEFAULT CELL_FLASH_CACHE DEFAULT) TABLESPACE "USERS" ; -------------------------------------------------------- -- DDL for Table PATHOLOGIST -------------------------------------------------------- CREATE TABLE "DMUSER"."PATHOLOGIST" ( "ID" NUMBER, 98 AL_ADHESION,SINGLE_EPITHELIAL_CELL_SIZE,BARE_NUCLEI,BLAND_CHROMATIN,NORMAL_ NUCLEOLI,MITOSES,DIAGNOSTIC,PREDICTION_,PROBABILITY_,PATIENT,PATHOLOGIST,MO DEL_,DATE_,NOTIFIED) values ('162','1','4','3','10','4','10','5','6','1','4',null,null,null,null,null,n ull,null); Insert into DMUSER.CYTOLOGY (ID,CLUMP_THICKNESS,UNIFORMITY_OF_CELL_SIZE,UNIFORMITY_OF_CELL_SHAPE,MARGIN AL_ADHESION,SINGLE_EPITHELIAL_CELL_SIZE,BARE_NUCLEI,BLAND_CHROMATIN,NORMAL_ NUCLEOLI,MITOSES,DIAGNOSTIC,PREDICTION_,PROBABILITY_,PATIENT,PATHOLOGIST,MO DEL_,DATE_,NOTIFIED) values ('163','10','4','6','1','2','10','5','3','1','4',null,null,null,null,null,n ull,null); Insert into DMUSER.CYTOLOGY (ID,CLUMP_THICKNESS,UNIFORMITY_OF_CELL_SIZE,UNIFORMITY_OF_CELL_SHAPE,MARGIN AL_ADHESION,SINGLE_EPITHELIAL_CELL_SIZE,BARE_NUCLEI,BLAND_CHROMATIN,NORMAL_ NUCLEOLI,MITOSES,DIAGNOSTIC,PREDICTION_,PROBABILITY_,PATIENT,PATHOLOGIST,MO DEL_,DATE_,NOTIFIED) values ('164','7','4','5','10','2','10','3','8','2','4',null,null,null,null,null,n ull,null); Insert into DMUSER.CYTOLOGY (ID,CLUMP_THICKNESS,UNIFORMITY_OF_CELL_SIZE,UNIFORMITY_OF_CELL_SHAPE,MARGIN AL_ADHESION,SINGLE_EPITHELIAL_CELL_SIZE,BARE_NUCLEI,BLAND_CHROMATIN,NORMAL_ NUCLEOLI,MITOSES,DIAGNOSTIC,PREDICTION_,PROBABILITY_,PATIENT,PATHOLOGIST,MO DEL_,DATE_,NOTIFIED) values ('165','8','10','10','10','8','10','10','7','3','4',null,null,null,null,nul l,null,null); Insert into DMUSER.CYTOLOGY (ID,CLUMP_THICKNESS,UNIFORMITY_OF_CELL_SIZE,UNIFORMITY_OF_CELL_SHAPE,MARGIN AL_ADHESION,SINGLE_EPITHELIAL_CELL_SIZE,BARE_NUCLEI,BLAND_CHROMATIN,NORMAL_ NUCLEOLI,MITOSES,DIAGNOSTIC,PREDICTION_,PROBABILITY_,PATIENT,PATHOLOGIST,MO DEL_,DATE_,NOTIFIED) values ('166','10','10','10','10','10','10','4','10','10','4',null,null,null,null, null,null,null); Insert into DMUSER.CYTOLOGY (ID,CLUMP_THICKNESS,UNIFORMITY_OF_CELL_SIZE,UNIFORMITY_OF_CELL_SHAPE,MARGIN AL_ADHESION,SINGLE_EPITHELIAL_CELL_SIZE,BARE_NUCLEI,BLAND_CHROMATIN,NORMAL_ NUCLEOLI,MITOSES,DIAGNOSTIC,PREDICTION_,PROBABILITY_,PATIENT,PATHOLOGIST,MO DEL_,DATE_,NOTIFIED) values ('167','3','1','1','1','3','1','2','1','1','2',null,null,null,null,null,nul l,null); Insert into DMUSER.CYTOLOGY (ID,CLUMP_THICKNESS,UNIFORMITY_OF_CELL_SIZE,UNIFORMITY_OF_CELL_SHAPE,MARGIN AL_ADHESION,SINGLE_EPITHELIAL_CELL_SIZE,BARE_NUCLEI,BLAND_CHROMATIN,NORMAL_ NUCLEOLI,MITOSES,DIAGNOSTIC,PREDICTION_,PROBABILITY_,PATIENT,PATHOLOGIST,MO DEL_,DATE_,NOTIFIED) values ('168','6','1','3','1','4','5','5','10','1','4',null,null,null,null,null,nu ll,null); Insert into DMUSER.CYTOLOGY (ID,CLUMP_THICKNESS,UNIFORMITY_OF_CELL_SIZE,UNIFORMITY_OF_CELL_SHAPE,MARGIN AL_ADHESION,SINGLE_EPITHELIAL_CELL_SIZE,BARE_NUCLEI,BLAND_CHROMATIN,NORMAL_ NUCLEOLI,MITOSES,DIAGNOSTIC,PREDICTION_,PROBABILITY_,PATIENT,PATHOLOGIST,MO DEL_,DATE_,NOTIFIED) values ('169','5','6','6','8','6','10','4','10','4','4',null,null,null,null,null,n ull,null); Insert into DMUSER.CYTOLOGY (ID,CLUMP_THICKNESS,UNIFORMITY_OF_CELL_SIZE,UNIFORMITY_OF_CELL_SHAPE,MARGIN AL_ADHESION,SINGLE_EPITHELIAL_CELL_SIZE,BARE_NUCLEI,BLAND_CHROMATIN,NORMAL_ NUCLEOLI,MITOSES,DIAGNOSTIC,PREDICTION_,PROBABILITY_,PATIENT,PATHOLOGIST,MO DEL_,DATE_,NOTIFIED) values ('170','1','1','1','1','2','1','1','1','1','2',null,null,null,null,null,nul l,null); 99 Insert into DMUSER.CYTOLOGY (ID,CLUMP_THICKNESS,UNIFORMITY_OF_CELL_SIZE,UNIFORMITY_OF_CELL_SHAPE,MARGIN AL_ADHESION,SINGLE_EPITHELIAL_CELL_SIZE,BARE_NUCLEI,BLAND_CHROMATIN,NORMAL_ NUCLEOLI,MITOSES,DIAGNOSTIC,PREDICTION_,PROBABILITY_,PATIENT,PATHOLOGIST,MO DEL_,DATE_,NOTIFIED) values ('171','1','1','1','1','2','1','3','1','1','2',null,null,null,null,null,nul l,null); Insert into DMUSER.CYTOLOGY (ID,CLUMP_THICKNESS,UNIFORMITY_OF_CELL_SIZE,UNIFORMITY_OF_CELL_SHAPE,MARGIN AL_ADHESION,SINGLE_EPITHELIAL_CELL_SIZE,BARE_NUCLEI,BLAND_CHROMATIN,NORMAL_ NUCLEOLI,MITOSES,DIAGNOSTIC,PREDICTION_,PROBABILITY_,PATIENT,PATHOLOGIST,MO DEL_,DATE_,NOTIFIED) values ('172','8','8','8','1','2','- 1','6','10','1','4',null,null,null,null,null,null,null); Insert into DMUSER.CYTOLOGY (ID,CLUMP_THICKNESS,UNIFORMITY_OF_CELL_SIZE,UNIFORMITY_OF_CELL_SHAPE,MARGIN AL_ADHESION,SINGLE_EPITHELIAL_CELL_SIZE,BARE_NUCLEI,BLAND_CHROMATIN,NORMAL_ NUCLEOLI,MITOSES,DIAGNOSTIC,PREDICTION_,PROBABILITY_,PATIENT,PATHOLOGIST,MO DEL_,DATE_,NOTIFIED) values ('173','10','4','4','6','2','10','2','3','1','4',null,null,null,null,null,n ull,null); Insert into DMUSER.CYTOLOGY (ID,CLUMP_THICKNESS,UNIFORMITY_OF_CELL_SIZE,UNIFORMITY_OF_CELL_SHAPE,MARGIN AL_ADHESION,SINGLE_EPITHELIAL_CELL_SIZE,BARE_NUCLEI,BLAND_CHROMATIN,NORMAL_ NUCLEOLI,MITOSES,DIAGNOSTIC,PREDICTION_,PROBABILITY_,PATIENT,PATHOLOGIST,MO DEL_,DATE_,NOTIFIED) values ('174','1','1','1','1','2','- 1','2','1','1','2',null,null,null,null,null,null,null); Insert into DMUSER.CYTOLOGY (ID,CLUMP_THICKNESS,UNIFORMITY_OF_CELL_SIZE,UNIFORMITY_OF_CELL_SHAPE,MARGIN AL_ADHESION,SINGLE_EPITHELIAL_CELL_SIZE,BARE_NUCLEI,BLAND_CHROMATIN,NORMAL_ NUCLEOLI,MITOSES,DIAGNOSTIC,PREDICTION_,PROBABILITY_,PATIENT,PATHOLOGIST,MO DEL_,DATE_,NOTIFIED) values ('175','5','5','7','8','6','10','7','4','1','4',null,null,null,null,null,nu ll,null); Insert into DMUSER.CYTOLOGY (ID,CLUMP_THICKNESS,UNIFORMITY_OF_CELL_SIZE,UNIFORMITY_OF_CELL_SHAPE,MARGIN AL_ADHESION,SINGLE_EPITHELIAL_CELL_SIZE,BARE_NUCLEI,BLAND_CHROMATIN,NORMAL_ NUCLEOLI,MITOSES,DIAGNOSTIC,PREDICTION_,PROBABILITY_,PATIENT,PATHOLOGIST,MO DEL_,DATE_,NOTIFIED) values ('176','5','3','4','3','4','5','4','7','1','2',null,null,null,null,null,nul l,null); Insert into DMUSER.CYTOLOGY (ID,CLUMP_THICKNESS,UNIFORMITY_OF_CELL_SIZE,UNIFORMITY_OF_CELL_SHAPE,MARGIN AL_ADHESION,SINGLE_EPITHELIAL_CELL_SIZE,BARE_NUCLEI,BLAND_CHROMATIN,NORMAL_ NUCLEOLI,MITOSES,DIAGNOSTIC,PREDICTION_,PROBABILITY_,PATIENT,PATHOLOGIST,MO DEL_,DATE_,NOTIFIED) values ('177','5','4','3','1','2','- 1','2','3','1','2',null,null,null,null,null,null,null); Insert into DMUSER.CYTOLOGY (ID,CLUMP_THICKNESS,UNIFORMITY_OF_CELL_SIZE,UNIFORMITY_OF_CELL_SHAPE,MARGIN AL_ADHESION,SINGLE_EPITHELIAL_CELL_SIZE,BARE_NUCLEI,BLAND_CHROMATIN,NORMAL_ NUCLEOLI,MITOSES,DIAGNOSTIC,PREDICTION_,PROBABILITY_,PATIENT,PATHOLOGIST,MO DEL_,DATE_,NOTIFIED) values ('178','8','2','1','1','5','1','1','1','1','2',null,null,null,null,null,nul l,null); Insert into DMUSER.CYTOLOGY (ID,CLUMP_THICKNESS,UNIFORMITY_OF_CELL_SIZE,UNIFORMITY_OF_CELL_SHAPE,MARGIN AL_ADHESION,SINGLE_EPITHELIAL_CELL_SIZE,BARE_NUCLEI,BLAND_CHROMATIN,NORMAL_ NUCLEOLI,MITOSES,DIAGNOSTIC,PREDICTION_,PROBABILITY_,PATIENT,PATHOLOGIST,MO DEL_,DATE_,NOTIFIED) values ('179','9','1','2','6','4','10','7','7','2','4',null,null,null,null,null,nu ll,null); 100 Insert into DMUSER.CYTOLOGY (ID,CLUMP_THICKNESS,UNIFORMITY_OF_CELL_SIZE,UNIFORMITY_OF_CELL_SHAPE,MARGIN AL_ADHESION,SINGLE_EPITHELIAL_CELL_SIZE,BARE_NUCLEI,BLAND_CHROMATIN,NORMAL_ NUCLEOLI,MITOSES,DIAGNOSTIC,PREDICTION_,PROBABILITY_,PATIENT,PATHOLOGIST,MO DEL_,DATE_,NOTIFIED) values ('180','8','4','10','5','4','4','7','10','1','4',null,null,null,null,null,n ull,null); Insert into DMUSER.CYTOLOGY (ID,CLUMP_THICKNESS,UNIFORMITY_OF_CELL_SIZE,UNIFORMITY_OF_CELL_SHAPE,MARGIN AL_ADHESION,SINGLE_EPITHELIAL_CELL_SIZE,BARE_NUCLEI,BLAND_CHROMATIN,NORMAL_ NUCLEOLI,MITOSES,DIAGNOSTIC,PREDICTION_,PROBABILITY_,PATIENT,PATHOLOGIST,MO DEL_,DATE_,NOTIFIED) values ('181','1','1','1','1','2','1','3','1','1','2',null,null,null,null,null,nul l,null); Insert into DMUSER.CYTOLOGY (ID,CLUMP_THICKNESS,UNIFORMITY_OF_CELL_SIZE,UNIFORMITY_OF_CELL_SHAPE,MARGIN AL_ADHESION,SINGLE_EPITHELIAL_CELL_SIZE,BARE_NUCLEI,BLAND_CHROMATIN,NORMAL_ NUCLEOLI,MITOSES,DIAGNOSTIC,PREDICTION_,PROBABILITY_,PATIENT,PATHOLOGIST,MO DEL_,DATE_,NOTIFIED) values ('182','10','10','10','7','9','10','7','10','10','4',null,null,null,null,nu ll,null,null); Insert into DMUSER.CYTOLOGY (ID,CLUMP_THICKNESS,UNIFORMITY_OF_CELL_SIZE,UNIFORMITY_OF_CELL_SHAPE,MARGIN AL_ADHESION,SINGLE_EPITHELIAL_CELL_SIZE,BARE_NUCLEI,BLAND_CHROMATIN,NORMAL_ NUCLEOLI,MITOSES,DIAGNOSTIC,PREDICTION_,PROBABILITY_,PATIENT,PATHOLOGIST,MO DEL_,DATE_,NOTIFIED) values ('183','1','1','1','1','2','1','3','1','1','2',null,null,null,null,null,nul l,null); Insert into DMUSER.CYTOLOGY (ID,CLUMP_THICKNESS,UNIFORMITY_OF_CELL_SIZE,UNIFORMITY_OF_CELL_SHAPE,MARGIN AL_ADHESION,SINGLE_EPITHELIAL_CELL_SIZE,BARE_NUCLEI,BLAND_CHROMATIN,NORMAL_ NUCLEOLI,MITOSES,DIAGNOSTIC,PREDICTION_,PROBABILITY_,PATIENT,PATHOLOGIST,MO DEL_,DATE_,NOTIFIED) values ('184','8','3','4','9','3','10','3','3','1','4',null,null,null,null,null,nu ll,null); Insert into DMUSER.CYTOLOGY (ID,CLUMP_THICKNESS,UNIFORMITY_OF_CELL_SIZE,UNIFORMITY_OF_CELL_SHAPE,MARGIN AL_ADHESION,SINGLE_EPITHELIAL_CELL_SIZE,BARE_NUCLEI,BLAND_CHROMATIN,NORMAL_ NUCLEOLI,MITOSES,DIAGNOSTIC,PREDICTION_,PROBABILITY_,PATIENT,PATHOLOGIST,MO DEL_,DATE_,NOTIFIED) values ('185','10','8','4','4','4','10','3','10','4','4',null,null,null,null,null, null,null); Insert into DMUSER.CYTOLOGY (ID,CLUMP_THICKNESS,UNIFORMITY_OF_CELL_SIZE,UNIFORMITY_OF_CELL_SHAPE,MARGIN AL_ADHESION,SINGLE_EPITHELIAL_CELL_SIZE,BARE_NUCLEI,BLAND_CHROMATIN,NORMAL_ NUCLEOLI,MITOSES,DIAGNOSTIC,PREDICTION_,PROBABILITY_,PATIENT,PATHOLOGIST,MO DEL_,DATE_,NOTIFIED) values ('186','1','1','1','1','2','1','3','1','1','2',null,null,null,null,null,nul l,null); Insert into DMUSER.CYTOLOGY (ID,CLUMP_THICKNESS,UNIFORMITY_OF_CELL_SIZE,UNIFORMITY_OF_CELL_SHAPE,MARGIN AL_ADHESION,SINGLE_EPITHELIAL_CELL_SIZE,BARE_NUCLEI,BLAND_CHROMATIN,NORMAL_ NUCLEOLI,MITOSES,DIAGNOSTIC,PREDICTION_,PROBABILITY_,PATIENT,PATHOLOGIST,MO DEL_,DATE_,NOTIFIED) values ('187','1','1','1','1','2','1','3','1','1','2',null,null,null,null,null,nul l,null); Insert into DMUSER.CYTOLOGY (ID,CLUMP_THICKNESS,UNIFORMITY_OF_CELL_SIZE,UNIFORMITY_OF_CELL_SHAPE,MARGIN AL_ADHESION,SINGLE_EPITHELIAL_CELL_SIZE,BARE_NUCLEI,BLAND_CHROMATIN,NORMAL_ NUCLEOLI,MITOSES,DIAGNOSTIC,PREDICTION_,PROBABILITY_,PATIENT,PATHOLOGIST,MO DEL_,DATE_,NOTIFIED) values 101 ('188','7','8','7','6','4','3','8','8','4','4',null,null,null,null,null,nul l,null); Insert into DMUSER.CYTOLOGY (ID,CLUMP_THICKNESS,UNIFORMITY_OF_CELL_SIZE,UNIFORMITY_OF_CELL_SHAPE,MARGIN AL_ADHESION,SINGLE_EPITHELIAL_CELL_SIZE,BARE_NUCLEI,BLAND_CHROMATIN,NORMAL_ NUCLEOLI,MITOSES,DIAGNOSTIC,PREDICTION_,PROBABILITY_,PATIENT,PATHOLOGIST,MO DEL_,DATE_,NOTIFIED) values ('189','3','1','1','1','2','5','5','1','1','2',null,null,null,null,null,nul l,null); Insert into DMUSER.CYTOLOGY (ID,CLUMP_THICKNESS,UNIFORMITY_OF_CELL_SIZE,UNIFORMITY_OF_CELL_SHAPE,MARGIN AL_ADHESION,SINGLE_EPITHELIAL_CELL_SIZE,BARE_NUCLEI,BLAND_CHROMATIN,NORMAL_ NUCLEOLI,MITOSES,DIAGNOSTIC,PREDICTION_,PROBABILITY_,PATIENT,PATHOLOGIST,MO DEL_,DATE_,NOTIFIED) values ('190','2','1','1','1','3','1','2','1','1','2',null,null,null,null,null,nul l,null); Insert into DMUSER.CYTOLOGY (ID,CLUMP_THICKNESS,UNIFORMITY_OF_CELL_SIZE,UNIFORMITY_OF_CELL_SHAPE,MARGIN AL_ADHESION,SINGLE_EPITHELIAL_CELL_SIZE,BARE_NUCLEI,BLAND_CHROMATIN,NORMAL_ NUCLEOLI,MITOSES,DIAGNOSTIC,PREDICTION_,PROBABILITY_,PATIENT,PATHOLOGIST,MO DEL_,DATE_,NOTIFIED) values ('191','1','1','1','1','2','1','1','1','1','2',null,null,null,null,null,nul l,null); Insert into DMUSER.CYTOLOGY (ID,CLUMP_THICKNESS,UNIFORMITY_OF_CELL_SIZE,UNIFORMITY_OF_CELL_SHAPE,MARGIN AL_ADHESION,SINGLE_EPITHELIAL_CELL_SIZE,BARE_NUCLEI,BLAND_CHROMATIN,NORMAL_ NUCLEOLI,MITOSES,DIAGNOSTIC,PREDICTION_,PROBABILITY_,PATIENT,PATHOLOGIST,MO DEL_,DATE_,NOTIFIED) values ('192','8','6','4','10','10','1','3','5','1','4',null,null,null,null,null,n ull,null); Insert into DMUSER.CYTOLOGY (ID,CLUMP_THICKNESS,UNIFORMITY_OF_CELL_SIZE,UNIFORMITY_OF_CELL_SHAPE,MARGIN AL_ADHESION,SINGLE_EPITHELIAL_CELL_SIZE,BARE_NUCLEI,BLAND_CHROMATIN,NORMAL_ NUCLEOLI,MITOSES,DIAGNOSTIC,PREDICTION_,PROBABILITY_,PATIENT,PATHOLOGIST,MO DEL_,DATE_,NOTIFIED) values ('193','1','1','1','1','2','1','1','1','1','2',null,null,null,null,null,nul l,null); Insert into DMUSER.CYTOLOGY (ID,CLUMP_THICKNESS,UNIFORMITY_OF_CELL_SIZE,UNIFORMITY_OF_CELL_SHAPE,MARGIN AL_ADHESION,SINGLE_EPITHELIAL_CELL_SIZE,BARE_NUCLEI,BLAND_CHROMATIN,NORMAL_ NUCLEOLI,MITOSES,DIAGNOSTIC,PREDICTION_,PROBABILITY_,PATIENT,PATHOLOGIST,MO DEL_,DATE_,NOTIFIED) values ('194','1','1','1','1','1','1','2','1','1','2',null,null,null,null,null,nul l,null); Insert into DMUSER.CYTOLOGY (ID,CLUMP_THICKNESS,UNIFORMITY_OF_CELL_SIZE,UNIFORMITY_OF_CELL_SHAPE,MARGIN AL_ADHESION,SINGLE_EPITHELIAL_CELL_SIZE,BARE_NUCLEI,BLAND_CHROMATIN,NORMAL_ NUCLEOLI,MITOSES,DIAGNOSTIC,PREDICTION_,PROBABILITY_,PATIENT,PATHOLOGIST,MO DEL_,DATE_,NOTIFIED) values ('195','4','6','5','6','7','- 1','4','9','1','2',null,null,null,null,null,null,null); Insert into DMUSER.CYTOLOGY (ID,CLUMP_THICKNESS,UNIFORMITY_OF_CELL_SIZE,UNIFORMITY_OF_CELL_SHAPE,MARGIN AL_ADHESION,SINGLE_EPITHELIAL_CELL_SIZE,BARE_NUCLEI,BLAND_CHROMATIN,NORMAL_ NUCLEOLI,MITOSES,DIAGNOSTIC,PREDICTION_,PROBABILITY_,PATIENT,PATHOLOGIST,MO DEL_,DATE_,NOTIFIED) values ('196','5','5','5','2','5','10','4','3','1','4',null,null,null,null,null,nu ll,null); Insert into DMUSER.CYTOLOGY (ID,CLUMP_THICKNESS,UNIFORMITY_OF_CELL_SIZE,UNIFORMITY_OF_CELL_SHAPE,MARGIN AL_ADHESION,SINGLE_EPITHELIAL_CELL_SIZE,BARE_NUCLEI,BLAND_CHROMATIN,NORMAL_ NUCLEOLI,MITOSES,DIAGNOSTIC,PREDICTION_,PROBABILITY_,PATIENT,PATHOLOGIST,MO 102 DEL_,DATE_,NOTIFIED) values ('197','6','8','7','8','6','8','8','9','1','4',null,null,null,null,null,nul l,null); Insert into DMUSER.CYTOLOGY (ID,CLUMP_THICKNESS,UNIFORMITY_OF_CELL_SIZE,UNIFORMITY_OF_CELL_SHAPE,MARGIN AL_ADHESION,SINGLE_EPITHELIAL_CELL_SIZE,BARE_NUCLEI,BLAND_CHROMATIN,NORMAL_ NUCLEOLI,MITOSES,DIAGNOSTIC,PREDICTION_,PROBABILITY_,PATIENT,PATHOLOGIST,MO DEL_,DATE_,NOTIFIED) values ('198','1','1','1','1','5','1','3','1','1','2',null,null,null,null,null,nul l,null); Insert into DMUSER.CYTOLOGY (ID,CLUMP_THICKNESS,UNIFORMITY_OF_CELL_SIZE,UNIFORMITY_OF_CELL_SHAPE,MARGIN AL_ADHESION,SINGLE_EPITHELIAL_CELL_SIZE,BARE_NUCLEI,BLAND_CHROMATIN,NORMAL_ NUCLEOLI,MITOSES,DIAGNOSTIC,PREDICTION_,PROBABILITY_,PATIENT,PATHOLOGIST,MO DEL_,DATE_,NOTIFIED) values ('199','4','4','4','4','6','5','7','3','1','2',null,null,null,null,null,nul l,null); Insert into DMUSER.CYTOLOGY (ID,CLUMP_THICKNESS,UNIFORMITY_OF_CELL_SIZE,UNIFORMITY_OF_CELL_SHAPE,MARGIN AL_ADHESION,SINGLE_EPITHELIAL_CELL_SIZE,BARE_NUCLEI,BLAND_CHROMATIN,NORMAL_ NUCLEOLI,MITOSES,DIAGNOSTIC,PREDICTION_,PROBABILITY_,PATIENT,PATHOLOGIST,MO DEL_,DATE_,NOTIFIED) values ('200','7','6','3','2','5','10','7','4','6','4',null,null,null,null,null,nu ll,null); Insert into DMUSER.CYTOLOGY (ID,CLUMP_THICKNESS,UNIFORMITY_OF_CELL_SIZE,UNIFORMITY_OF_CELL_SHAPE,MARGIN AL_ADHESION,SINGLE_EPITHELIAL_CELL_SIZE,BARE_NUCLEI,BLAND_CHROMATIN,NORMAL_ NUCLEOLI,MITOSES,DIAGNOSTIC,PREDICTION_,PROBABILITY_,PATIENT,PATHOLOGIST,MO DEL_,DATE_,NOTIFIED) values ('201','3','1','1','1','2','- 1','3','1','1','2',null,null,null,null,null,null,null); Insert into DMUSER.CYTOLOGY (ID,CLUMP_THICKNESS,UNIFORMITY_OF_CELL_SIZE,UNIFORMITY_OF_CELL_SHAPE,MARGIN AL_ADHESION,SINGLE_EPITHELIAL_CELL_SIZE,BARE_NUCLEI,BLAND_CHROMATIN,NORMAL_ NUCLEOLI,MITOSES,DIAGNOSTIC,PREDICTION_,PROBABILITY_,PATIENT,PATHOLOGIST,MO DEL_,DATE_,NOTIFIED) values ('202','3','1','1','1','2','1','3','1','1','2',null,null,null,null,null,nul l,null); Insert into DMUSER.CYTOLOGY (ID,CLUMP_THICKNESS,UNIFORMITY_OF_CELL_SIZE,UNIFORMITY_OF_CELL_SHAPE,MARGIN AL_ADHESION,SINGLE_EPITHELIAL_CELL_SIZE,BARE_NUCLEI,BLAND_CHROMATIN,NORMAL_ NUCLEOLI,MITOSES,DIAGNOSTIC,PREDICTION_,PROBABILITY_,PATIENT,PATHOLOGIST,MO DEL_,DATE_,NOTIFIED) values ('203','5','4','6','10','2','10','4','1','1','4',null,null,null,null,null,n ull,null); Insert into DMUSER.CYTOLOGY (ID,CLUMP_THICKNESS,UNIFORMITY_OF_CELL_SIZE,UNIFORMITY_OF_CELL_SHAPE,MARGIN AL_ADHESION,SINGLE_EPITHELIAL_CELL_SIZE,BARE_NUCLEI,BLAND_CHROMATIN,NORMAL_ NUCLEOLI,MITOSES,DIAGNOSTIC,PREDICTION_,PROBABILITY_,PATIENT,PATHOLOGIST,MO DEL_,DATE_,NOTIFIED) values ('204','1','1','1','1','2','1','3','1','1','2',null,null,null,null,null,nul l,null); Insert into DMUSER.CYTOLOGY (ID,CLUMP_THICKNESS,UNIFORMITY_OF_CELL_SIZE,UNIFORMITY_OF_CELL_SHAPE,MARGIN AL_ADHESION,SINGLE_EPITHELIAL_CELL_SIZE,BARE_NUCLEI,BLAND_CHROMATIN,NORMAL_ NUCLEOLI,MITOSES,DIAGNOSTIC,PREDICTION_,PROBABILITY_,PATIENT,PATHOLOGIST,MO DEL_,DATE_,NOTIFIED) values ('205','3','2','2','1','2','1','2','3','1','2',null,null,null,null,null,nul l,null); Insert into DMUSER.CYTOLOGY (ID,CLUMP_THICKNESS,UNIFORMITY_OF_CELL_SIZE,UNIFORMITY_OF_CELL_SHAPE,MARGIN AL_ADHESION,SINGLE_EPITHELIAL_CELL_SIZE,BARE_NUCLEI,BLAND_CHROMATIN,NORMAL_ 103 NUCLEOLI,MITOSES,DIAGNOSTIC,PREDICTION_,PROBABILITY_,PATIENT,PATHOLOGIST,MO DEL_,DATE_,NOTIFIED) values ('206','10','1','1','1','2','10','5','4','1','4',null,null,null,null,null,n ull,null); Insert into DMUSER.CYTOLOGY (ID,CLUMP_THICKNESS,UNIFORMITY_OF_CELL_SIZE,UNIFORMITY_OF_CELL_SHAPE,MARGIN AL_ADHESION,SINGLE_EPITHELIAL_CELL_SIZE,BARE_NUCLEI,BLAND_CHROMATIN,NORMAL_ NUCLEOLI,MITOSES,DIAGNOSTIC,PREDICTION_,PROBABILITY_,PATIENT,PATHOLOGIST,MO DEL_,DATE_,NOTIFIED) values ('207','1','1','1','1','2','1','2','1','1','2',null,null,null,null,null,nul l,null); Insert into DMUSER.CYTOLOGY (ID,CLUMP_THICKNESS,UNIFORMITY_OF_CELL_SIZE,UNIFORMITY_OF_CELL_SHAPE,MARGIN AL_ADHESION,SINGLE_EPITHELIAL_CELL_SIZE,BARE_NUCLEI,BLAND_CHROMATIN,NORMAL_ NUCLEOLI,MITOSES,DIAGNOSTIC,PREDICTION_,PROBABILITY_,PATIENT,PATHOLOGIST,MO DEL_,DATE_,NOTIFIED) values ('208','8','10','3','2','6','4','3','10','1','4',null,null,null,null,null,n ull,null); Insert into DMUSER.CYTOLOGY (ID,CLUMP_THICKNESS,UNIFORMITY_OF_CELL_SIZE,UNIFORMITY_OF_CELL_SHAPE,MARGIN AL_ADHESION,SINGLE_EPITHELIAL_CELL_SIZE,BARE_NUCLEI,BLAND_CHROMATIN,NORMAL_ NUCLEOLI,MITOSES,DIAGNOSTIC,PREDICTION_,PROBABILITY_,PATIENT,PATHOLOGIST,MO DEL_,DATE_,NOTIFIED) values ('209','10','4','6','4','5','10','7','1','1','4',null,null,null,null,null,n ull,null); Insert into DMUSER.CYTOLOGY (ID,CLUMP_THICKNESS,UNIFORMITY_OF_CELL_SIZE,UNIFORMITY_OF_CELL_SHAPE,MARGIN AL_ADHESION,SINGLE_EPITHELIAL_CELL_SIZE,BARE_NUCLEI,BLAND_CHROMATIN,NORMAL_ NUCLEOLI,MITOSES,DIAGNOSTIC,PREDICTION_,PROBABILITY_,PATIENT,PATHOLOGIST,MO DEL_,DATE_,NOTIFIED) values ('210','10','4','7','2','2','8','6','1','1','4',null,null,null,null,null,nu ll,null); Insert into DMUSER.CYTOLOGY (ID,CLUMP_THICKNESS,UNIFORMITY_OF_CELL_SIZE,UNIFORMITY_OF_CELL_SHAPE,MARGIN AL_ADHESION,SINGLE_EPITHELIAL_CELL_SIZE,BARE_NUCLEI,BLAND_CHROMATIN,NORMAL_ NUCLEOLI,MITOSES,DIAGNOSTIC,PREDICTION_,PROBABILITY_,PATIENT,PATHOLOGIST,MO DEL_,DATE_,NOTIFIED) values ('211','5','1','1','1','2','1','3','1','2','2',null,null,null,null,null,nul l,null); Insert into DMUSER.CYTOLOGY (ID,CLUMP_THICKNESS,UNIFORMITY_OF_CELL_SIZE,UNIFORMITY_OF_CELL_SHAPE,MARGIN AL_ADHESION,SINGLE_EPITHELIAL_CELL_SIZE,BARE_NUCLEI,BLAND_CHROMATIN,NORMAL_ NUCLEOLI,MITOSES,DIAGNOSTIC,PREDICTION_,PROBABILITY_,PATIENT,PATHOLOGIST,MO DEL_,DATE_,NOTIFIED) values ('212','5','2','2','2','2','1','2','2','1','2',null,null,null,null,null,nul l,null); Insert into DMUSER.CYTOLOGY (ID,CLUMP_THICKNESS,UNIFORMITY_OF_CELL_SIZE,UNIFORMITY_OF_CELL_SHAPE,MARGIN AL_ADHESION,SINGLE_EPITHELIAL_CELL_SIZE,BARE_NUCLEI,BLAND_CHROMATIN,NORMAL_ NUCLEOLI,MITOSES,DIAGNOSTIC,PREDICTION_,PROBABILITY_,PATIENT,PATHOLOGIST,MO DEL_,DATE_,NOTIFIED) values ('213','5','4','6','6','4','10','4','3','1','4',null,null,null,null,null,nu ll,null); Insert into DMUSER.CYTOLOGY (ID,CLUMP_THICKNESS,UNIFORMITY_OF_CELL_SIZE,UNIFORMITY_OF_CELL_SHAPE,MARGIN AL_ADHESION,SINGLE_EPITHELIAL_CELL_SIZE,BARE_NUCLEI,BLAND_CHROMATIN,NORMAL_ NUCLEOLI,MITOSES,DIAGNOSTIC,PREDICTION_,PROBABILITY_,PATIENT,PATHOLOGIST,MO DEL_,DATE_,NOTIFIED) values ('214','8','6','7','3','3','10','3','4','2','4',null,null,null,null,null,nu ll,null); 104 Insert into DMUSER.CYTOLOGY (ID,CLUMP_THICKNESS,UNIFORMITY_OF_CELL_SIZE,UNIFORMITY_OF_CELL_SHAPE,MARGIN AL_ADHESION,SINGLE_EPITHELIAL_CELL_SIZE,BARE_NUCLEI,BLAND_CHROMATIN,NORMAL_ NUCLEOLI,MITOSES,DIAGNOSTIC,PREDICTION_,PROBABILITY_,PATIENT,PATHOLOGIST,MO DEL_,DATE_,NOTIFIED) values ('215','1','1','1','1','2','1','1','1','1','2',null,null,null,null,null,nul l,null); Insert into DMUSER.CYTOLOGY (ID,CLUMP_THICKNESS,UNIFORMITY_OF_CELL_SIZE,UNIFORMITY_OF_CELL_SHAPE,MARGIN AL_ADHESION,SINGLE_EPITHELIAL_CELL_SIZE,BARE_NUCLEI,BLAND_CHROMATIN,NORMAL_ NUCLEOLI,MITOSES,DIAGNOSTIC,PREDICTION_,PROBABILITY_,PATIENT,PATHOLOGIST,MO DEL_,DATE_,NOTIFIED) values ('216','6','5','5','8','4','10','3','4','1','4',null,null,null,null,null,nu ll,null); Insert into DMUSER.CYTOLOGY (ID,CLUMP_THICKNESS,UNIFORMITY_OF_CELL_SIZE,UNIFORMITY_OF_CELL_SHAPE,MARGIN AL_ADHESION,SINGLE_EPITHELIAL_CELL_SIZE,BARE_NUCLEI,BLAND_CHROMATIN,NORMAL_ NUCLEOLI,MITOSES,DIAGNOSTIC,PREDICTION_,PROBABILITY_,PATIENT,PATHOLOGIST,MO DEL_,DATE_,NOTIFIED) values ('217','1','1','1','1','2','1','3','1','1','2',null,null,null,null,null,nul l,null); Insert into DMUSER.CYTOLOGY (ID,CLUMP_THICKNESS,UNIFORMITY_OF_CELL_SIZE,UNIFORMITY_OF_CELL_SHAPE,MARGIN AL_ADHESION,SINGLE_EPITHELIAL_CELL_SIZE,BARE_NUCLEI,BLAND_CHROMATIN,NORMAL_ NUCLEOLI,MITOSES,DIAGNOSTIC,PREDICTION_,PROBABILITY_,PATIENT,PATHOLOGIST,MO DEL_,DATE_,NOTIFIED) values ('218','1','1','1','1','1','1','2','1','1','2',null,null,null,null,null,nul l,null); Insert into DMUSER.CYTOLOGY (ID,CLUMP_THICKNESS,UNIFORMITY_OF_CELL_SIZE,UNIFORMITY_OF_CELL_SHAPE,MARGIN AL_ADHESION,SINGLE_EPITHELIAL_CELL_SIZE,BARE_NUCLEI,BLAND_CHROMATIN,NORMAL_ NUCLEOLI,MITOSES,DIAGNOSTIC,PREDICTION_,PROBABILITY_,PATIENT,PATHOLOGIST,MO DEL_,DATE_,NOTIFIED) values ('219','8','5','5','5','2','10','4','3','1','4',null,null,null,null,null,nu ll,null); Insert into DMUSER.CYTOLOGY (ID,CLUMP_THICKNESS,UNIFORMITY_OF_CELL_SIZE,UNIFORMITY_OF_CELL_SHAPE,MARGIN AL_ADHESION,SINGLE_EPITHELIAL_CELL_SIZE,BARE_NUCLEI,BLAND_CHROMATIN,NORMAL_ NUCLEOLI,MITOSES,DIAGNOSTIC,PREDICTION_,PROBABILITY_,PATIENT,PATHOLOGIST,MO DEL_,DATE_,NOTIFIED) values ('220','10','3','3','1','2','10','7','6','1','4',null,null,null,null,null,n ull,null); Insert into DMUSER.CYTOLOGY (ID,CLUMP_THICKNESS,UNIFORMITY_OF_CELL_SIZE,UNIFORMITY_OF_CELL_SHAPE,MARGIN AL_ADHESION,SINGLE_EPITHELIAL_CELL_SIZE,BARE_NUCLEI,BLAND_CHROMATIN,NORMAL_ NUCLEOLI,MITOSES,DIAGNOSTIC,PREDICTION_,PROBABILITY_,PATIENT,PATHOLOGIST,MO DEL_,DATE_,NOTIFIED) values ('221','1','1','1','1','2','1','3','1','1','2',null,null,null,null,null,nul l,null); Insert into DMUSER.CYTOLOGY (ID,CLUMP_THICKNESS,UNIFORMITY_OF_CELL_SIZE,UNIFORMITY_OF_CELL_SHAPE,MARGIN AL_ADHESION,SINGLE_EPITHELIAL_CELL_SIZE,BARE_NUCLEI,BLAND_CHROMATIN,NORMAL_ NUCLEOLI,MITOSES,DIAGNOSTIC,PREDICTION_,PROBABILITY_,PATIENT,PATHOLOGIST,MO DEL_,DATE_,NOTIFIED) values ('222','2','1','1','1','2','1','1','1','1','2',null,null,null,null,null,nul l,null); Insert into DMUSER.CYTOLOGY (ID,CLUMP_THICKNESS,UNIFORMITY_OF_CELL_SIZE,UNIFORMITY_OF_CELL_SHAPE,MARGIN AL_ADHESION,SINGLE_EPITHELIAL_CELL_SIZE,BARE_NUCLEI,BLAND_CHROMATIN,NORMAL_ NUCLEOLI,MITOSES,DIAGNOSTIC,PREDICTION_,PROBABILITY_,PATIENT,PATHOLOGIST,MO DEL_,DATE_,NOTIFIED) values 105 ('223','1','1','1','1','2','1','1','1','1','2',null,null,null,null,null,nul l,null); Insert into DMUSER.CYTOLOGY (ID,CLUMP_THICKNESS,UNIFORMITY_OF_CELL_SIZE,UNIFORMITY_OF_CELL_SHAPE,MARGIN AL_ADHESION,SINGLE_EPITHELIAL_CELL_SIZE,BARE_NUCLEI,BLAND_CHROMATIN,NORMAL_ NUCLEOLI,MITOSES,DIAGNOSTIC,PREDICTION_,PROBABILITY_,PATIENT,PATHOLOGIST,MO DEL_,DATE_,NOTIFIED) values ('224','7','6','4','8','10','10','9','5','3','4',null,null,null,null,null,n ull,null); Insert into DMUSER.CYTOLOGY (ID,CLUMP_THICKNESS,UNIFORMITY_OF_CELL_SIZE,UNIFORMITY_OF_CELL_SHAPE,MARGIN AL_ADHESION,SINGLE_EPITHELIAL_CELL_SIZE,BARE_NUCLEI,BLAND_CHROMATIN,NORMAL_ NUCLEOLI,MITOSES,DIAGNOSTIC,PREDICTION_,PROBABILITY_,PATIENT,PATHOLOGIST,MO DEL_,DATE_,NOTIFIED) values ('225','1','1','1','1','2','1','1','1','1','2',null,null,null,null,null,nul l,null); Insert into DMUSER.CYTOLOGY (ID,CLUMP_THICKNESS,UNIFORMITY_OF_CELL_SIZE,UNIFORMITY_OF_CELL_SHAPE,MARGIN AL_ADHESION,SINGLE_EPITHELIAL_CELL_SIZE,BARE_NUCLEI,BLAND_CHROMATIN,NORMAL_ NUCLEOLI,MITOSES,DIAGNOSTIC,PREDICTION_,PROBABILITY_,PATIENT,PATHOLOGIST,MO DEL_,DATE_,NOTIFIED) values ('226','5','2','2','2','3','1','1','3','1','2',null,null,null,null,null,nul l,null); Insert into DMUSER.CYTOLOGY (ID,CLUMP_THICKNESS,UNIFORMITY_OF_CELL_SIZE,UNIFORMITY_OF_CELL_SHAPE,MARGIN AL_ADHESION,SINGLE_EPITHELIAL_CELL_SIZE,BARE_NUCLEI,BLAND_CHROMATIN,NORMAL_ NUCLEOLI,MITOSES,DIAGNOSTIC,PREDICTION_,PROBABILITY_,PATIENT,PATHOLOGIST,MO DEL_,DATE_,NOTIFIED) values ('227','1','1','1','1','1','1','1','3','1','2',null,null,null,null,null,nul l,null); Insert into DMUSER.CYTOLOGY (ID,CLUMP_THICKNESS,UNIFORMITY_OF_CELL_SIZE,UNIFORMITY_OF_CELL_SHAPE,MARGIN AL_ADHESION,SINGLE_EPITHELIAL_CELL_SIZE,BARE_NUCLEI,BLAND_CHROMATIN,NORMAL_ NUCLEOLI,MITOSES,DIAGNOSTIC,PREDICTION_,PROBABILITY_,PATIENT,PATHOLOGIST,MO DEL_,DATE_,NOTIFIED) values ('228','3','4','4','10','5','1','3','3','1','4',null,null,null,null,null,nu ll,null); Insert into DMUSER.CYTOLOGY (ID,CLUMP_THICKNESS,UNIFORMITY_OF_CELL_SIZE,UNIFORMITY_OF_CELL_SHAPE,MARGIN AL_ADHESION,SINGLE_EPITHELIAL_CELL_SIZE,BARE_NUCLEI,BLAND_CHROMATIN,NORMAL_ NUCLEOLI,MITOSES,DIAGNOSTIC,PREDICTION_,PROBABILITY_,PATIENT,PATHOLOGIST,MO DEL_,DATE_,NOTIFIED) values ('229','4','2','3','5','3','8','7','6','1','4',null,null,null,null,null,nul l,null); Insert into DMUSER.CYTOLOGY (ID,CLUMP_THICKNESS,UNIFORMITY_OF_CELL_SIZE,UNIFORMITY_OF_CELL_SHAPE,MARGIN AL_ADHESION,SINGLE_EPITHELIAL_CELL_SIZE,BARE_NUCLEI,BLAND_CHROMATIN,NORMAL_ NUCLEOLI,MITOSES,DIAGNOSTIC,PREDICTION_,PROBABILITY_,PATIENT,PATHOLOGIST,MO DEL_,DATE_,NOTIFIED) values ('230','5','1','1','3','2','1','1','1','1','2',null,null,null,null,null,nul l,null); Insert into DMUSER.CYTOLOGY (ID,CLUMP_THICKNESS,UNIFORMITY_OF_CELL_SIZE,UNIFORMITY_OF_CELL_SHAPE,MARGIN AL_ADHESION,SINGLE_EPITHELIAL_CELL_SIZE,BARE_NUCLEI,BLAND_CHROMATIN,NORMAL_ NUCLEOLI,MITOSES,DIAGNOSTIC,PREDICTION_,PROBABILITY_,PATIENT,PATHOLOGIST,MO DEL_,DATE_,NOTIFIED) values ('231','2','1','1','1','2','1','3','1','1','2',null,null,null,null,null,nul l,null); Insert into DMUSER.CYTOLOGY (ID,CLUMP_THICKNESS,UNIFORMITY_OF_CELL_SIZE,UNIFORMITY_OF_CELL_SHAPE,MARGIN AL_ADHESION,SINGLE_EPITHELIAL_CELL_SIZE,BARE_NUCLEI,BLAND_CHROMATIN,NORMAL_ 106 NUCLEOLI,MITOSES,DIAGNOSTIC,PREDICTION_,PROBABILITY_,PATIENT,PATHOLOGIST,MO DEL_,DATE_,NOTIFIED) values ('232','3','4','5','3','7','3','4','6','1','2',null,null,null,null,null,nul l,null); Insert into DMUSER.CYTOLOGY (ID,CLUMP_THICKNESS,UNIFORMITY_OF_CELL_SIZE,UNIFORMITY_OF_CELL_SHAPE,MARGIN AL_ADHESION,SINGLE_EPITHELIAL_CELL_SIZE,BARE_NUCLEI,BLAND_CHROMATIN,NORMAL_ NUCLEOLI,MITOSES,DIAGNOSTIC,PREDICTION_,PROBABILITY_,PATIENT,PATHOLOGIST,MO DEL_,DATE_,NOTIFIED) values ('233','2','7','10','10','7','10','4','9','4','4',null,null,null,null,null, null,null); Insert into DMUSER.CYTOLOGY (ID,CLUMP_THICKNESS,UNIFORMITY_OF_CELL_SIZE,UNIFORMITY_OF_CELL_SHAPE,MARGIN AL_ADHESION,SINGLE_EPITHELIAL_CELL_SIZE,BARE_NUCLEI,BLAND_CHROMATIN,NORMAL_ NUCLEOLI,MITOSES,DIAGNOSTIC,PREDICTION_,PROBABILITY_,PATIENT,PATHOLOGIST,MO DEL_,DATE_,NOTIFIED) values ('234','1','1','1','1','2','1','2','1','1','2',null,null,null,null,null,nul l,null); Insert into DMUSER.CYTOLOGY (ID,CLUMP_THICKNESS,UNIFORMITY_OF_CELL_SIZE,UNIFORMITY_OF_CELL_SHAPE,MARGIN AL_ADHESION,SINGLE_EPITHELIAL_CELL_SIZE,BARE_NUCLEI,BLAND_CHROMATIN,NORMAL_ NUCLEOLI,MITOSES,DIAGNOSTIC,PREDICTION_,PROBABILITY_,PATIENT,PATHOLOGIST,MO DEL_,DATE_,NOTIFIED) values ('235','4','1','1','1','3','1','2','2','1','2',null,null,null,null,null,nul l,null); Insert into DMUSER.CYTOLOGY (ID,CLUMP_THICKNESS,UNIFORMITY_OF_CELL_SIZE,UNIFORMITY_OF_CELL_SHAPE,MARGIN AL_ADHESION,SINGLE_EPITHELIAL_CELL_SIZE,BARE_NUCLEI,BLAND_CHROMATIN,NORMAL_ NUCLEOLI,MITOSES,DIAGNOSTIC,PREDICTION_,PROBABILITY_,PATIENT,PATHOLOGIST,MO DEL_,DATE_,NOTIFIED) values ('236','5','3','3','1','3','3','3','3','3','4',null,null,null,null,null,nul l,null); Insert into DMUSER.CYTOLOGY (ID,CLUMP_THICKNESS,UNIFORMITY_OF_CELL_SIZE,UNIFORMITY_OF_CELL_SHAPE,MARGIN AL_ADHESION,SINGLE_EPITHELIAL_CELL_SIZE,BARE_NUCLEI,BLAND_CHROMATIN,NORMAL_ NUCLEOLI,MITOSES,DIAGNOSTIC,PREDICTION_,PROBABILITY_,PATIENT,PATHOLOGIST,MO DEL_,DATE_,NOTIFIED) values ('237','8','10','10','7','10','10','7','3','8','4',null,null,null,null,null ,null,null); Insert into DMUSER.CYTOLOGY (ID,CLUMP_THICKNESS,UNIFORMITY_OF_CELL_SIZE,UNIFORMITY_OF_CELL_SHAPE,MARGIN AL_ADHESION,SINGLE_EPITHELIAL_CELL_SIZE,BARE_NUCLEI,BLAND_CHROMATIN,NORMAL_ NUCLEOLI,MITOSES,DIAGNOSTIC,PREDICTION_,PROBABILITY_,PATIENT,PATHOLOGIST,MO DEL_,DATE_,NOTIFIED) values ('238','8','10','5','3','8','4','4','10','3','4',null,null,null,null,null,n ull,null); Insert into DMUSER.CYTOLOGY (ID,CLUMP_THICKNESS,UNIFORMITY_OF_CELL_SIZE,UNIFORMITY_OF_CELL_SHAPE,MARGIN AL_ADHESION,SINGLE_EPITHELIAL_CELL_SIZE,BARE_NUCLEI,BLAND_CHROMATIN,NORMAL_ NUCLEOLI,MITOSES,DIAGNOSTIC,PREDICTION_,PROBABILITY_,PATIENT,PATHOLOGIST,MO DEL_,DATE_,NOTIFIED) values ('393','6','5','6','4','1','5','6','7','4',null,'4','0,99998193979263306',' 1','1','242',to_date('08/01/16','DD/MM/RR'),null); Insert into DMUSER.CYTOLOGY (ID,CLUMP_THICKNESS,UNIFORMITY_OF_CELL_SIZE,UNIFORMITY_OF_CELL_SHAPE,MARGIN AL_ADHESION,SINGLE_EPITHELIAL_CELL_SIZE,BARE_NUCLEI,BLAND_CHROMATIN,NORMAL_ NUCLEOLI,MITOSES,DIAGNOSTIC,PREDICTION_,PROBABILITY_,PATIENT,PATHOLOGIST,MO DEL_,DATE_,NOTIFIED) values ('392','6','5','6','4','1','5','6','7','4','4','4','0,99999994039535522','1 ','1','244',to_date('08/01/16','DD/MM/RR'),null); REM INSERTING into DMUSER.MODEL_TMP_TEST_RESULTS 107 SET DEFINE OFF; Insert into DMUSER.MODEL_TMP_TEST_RESULTS (ID,DIAGNOSTIC,PREDICTED_VALUE,PROBABILITY) values ('139','2','2','0,99997133016586304'); Insert into DMUSER.MODEL_TMP_TEST_RESULTS (ID,DIAGNOSTIC,PREDICTED_VALUE,PROBABILITY) values ('140','4','4','1'); Insert into DMUSER.MODEL_TMP_TEST_RESULTS (ID,DIAGNOSTIC,PREDICTED_VALUE,PROBABILITY) values ('141','4','4','1'); Insert into DMUSER.MODEL_TMP_TEST_RESULTS (ID,DIAGNOSTIC,PREDICTED_VALUE,PROBABILITY) values ('142','4','4','1'); Insert into DMUSER.MODEL_TMP_TEST_RESULTS (ID,DIAGNOSTIC,PREDICTED_VALUE,PROBABILITY) values ('143','4','4','1'); Insert into DMUSER.MODEL_TMP_TEST_RESULTS (ID,DIAGNOSTIC,PREDICTED_VALUE,PROBABILITY) values ('144','4','4','1'); Insert into DMUSER.MODEL_TMP_TEST_RESULTS (ID,DIAGNOSTIC,PREDICTED_VALUE,PROBABILITY) values ('145','2','2','1'); Insert into DMUSER.MODEL_TMP_TEST_RESULTS (ID,DIAGNOSTIC,PREDICTED_VALUE,PROBABILITY) values ('146','4','4','1'); Insert into DMUSER.MODEL_TMP_TEST_RESULTS (ID,DIAGNOSTIC,PREDICTED_VALUE,PROBABILITY) values ('147','4','4','1'); Insert into DMUSER.MODEL_TMP_TEST_RESULTS (ID,DIAGNOSTIC,PREDICTED_VALUE,PROBABILITY) values ('148','4','4','1'); Insert into DMUSER.MODEL_TMP_TEST_RESULTS (ID,DIAGNOSTIC,PREDICTED_VALUE,PROBABILITY) values ('179','4','4','1'); Insert into DMUSER.MODEL_TMP_TEST_RESULTS (ID,DIAGNOSTIC,PREDICTED_VALUE,PROBABILITY) values ('180','4','4','1'); Insert into DMUSER.MODEL_TMP_TEST_RESULTS (ID,DIAGNOSTIC,PREDICTED_VALUE,PROBABILITY) values ('181','2','2','1'); Insert into DMUSER.MODEL_TMP_TEST_RESULTS (ID,DIAGNOSTIC,PREDICTED_VALUE,PROBABILITY) values ('182','4','4','1'); Insert into DMUSER.MODEL_TMP_TEST_RESULTS (ID,DIAGNOSTIC,PREDICTED_VALUE,PROBABILITY) values ('183','2','2','1'); Insert into DMUSER.MODEL_TMP_TEST_RESULTS (ID,DIAGNOSTIC,PREDICTED_VALUE,PROBABILITY) values ('184','4','4','1'); Insert into DMUSER.MODEL_TMP_TEST_RESULTS (ID,DIAGNOSTIC,PREDICTED_VALUE,PROBABILITY) values ('185','4','4','1'); Insert into DMUSER.MODEL_TMP_TEST_RESULTS (ID,DIAGNOSTIC,PREDICTED_VALUE,PROBABILITY) values ('186','2','2','1'); Insert into DMUSER.MODEL_TMP_TEST_RESULTS (ID,DIAGNOSTIC,PREDICTED_VALUE,PROBABILITY) values ('187','2','2','1'); Insert into DMUSER.MODEL_TMP_TEST_RESULTS (ID,DIAGNOSTIC,PREDICTED_VALUE,PROBABILITY) values ('188','4','4','1'); 114 Agradecimientos Agradecer en primer lugar a mis padres el haber estado siempre ahí y haberme apoyado siempre en la elección de mi vida profesional. Agradecer a mi pareja, Lidia Aguilar Reyes, el haberme apoyado durante tanto tiempo y el haberme motivado siempre que lo necesitaba. Además de la gran ayuda que me ha ofrecido en la realización de este proyecto. Agradecer a mi compañero David Doña Corrales el haber compartido esta gran aventura que es la informática. Quién nos hubiera dicho que llegaríamos aquí hace 7 años, mientras mirábamos con desolación aquel ofuscado código en C, casi a las 3 de la tarde. Cuando un puntero era nuestro mayor miedo. Cuando en un examen entraba la serie Fibonacci en forma recursiva y nos tirábamos de los pelos... Finalmente agradecer a todos los profesores la gran imaginación de la que hacen uso en sus exámenes, sin vosotros no hubiera sido lo mismo. Gracias a ello ya tengo muchas historias que contar a mis descendientes. Como cuando no podía coger el coche después de un examen de cálculo para no poner en peligro la seguridad de los viandantes. La DGT debería de hacer una campaña de concienciación con este tema. Da miedo ver a los alumnos con las manos en volante y la mirada perdida, pesando de dónde ** se había sacado el profesor aquella integral. 115