بررسی الگوریتم های رده بندی در پیش بینی داده های سلامت

داده کاوی ابزاری جهت استخراج اطلاعات مفید از مجموعه داده های عظیم، از جمله زمینه های مور د علاقه محققان در حوزه سلامت محسوب می شود. رده بندی، یک تابع یادگیری می باشد که هر داده را به یکی از دسته های از قبل تعریف شده، نگاشت می کند. بر اساس گزارش های سازمان بهداشت جهانی، بیماری های قلبی، کلیوی، دیابت و سرطان ها در سال 2012 عامل 68 درصد از مرگ ها بوده اند. پژوهش حاضر، با هدف مطالعه و بررسی انواع الگوریتم های رده بندی و نتایج آن ها درون حوزه سلامت در مطالعات پیشین انجام شد. این مطالعه از نوع مروری- نقلی بود که در آن، مطالعات مرتبط برای بیماری های قلبی، سرطان سینه و دیابت از سال 2003 تا 2015 بررسی گردید. کلمات کلیدی «Data mining، Classification، Health، Heart disease، Diabetes و Breast cancer» در پایگاه های اطلاعاتی ScienceDirect، Elsevier، Springer و IEEE جستجو و منابع هر مقاله و مقالات استناد شده به آن نیز جمع آوری شد. پس از حذف مطالعات نامتناسب، 34 مقاله انتخاب گردید. جمع بندی مطالعات نشان داد که تکرار استفاده از الگوریتم شبکه عصبی، برای هر سه بیماری بیشتر بود. الگوریتم های شبکه عصبی و بیز ساده برای بیماری قلبی، نزدیک ترین همسایگان برای سرطان سینه و شبکه عصبی برای دیابت بالاترین دقت را داشت. به طو ر کلی می توان دریافت، با وجود این که نمی توان با قطعیت یک الگوریتم را بهترین الگوریتم برای هر بیماری دانست، اما تعیین بهترین الگوریتم ها برای هر بیماری، می تواند برای مطالعات آینده مفید باشد.