مقایسه ی الگوریتم های داده کاوی برای تشخیص بیماری کبد

کبد به عنوان یکی از بزرگ ترین اندام های داخلی بدن، وظیفه ی انجام اعمال حیاتی مختلفی ازجمله تصفیه و پالایش خون، تنظیم هورمون های بدن، ذخیره ی گلوکز و... را در بدن به عهده دارد. بنابراین اختلال در کارکرد آن مشکلات گاه جبران ناپذیری به دنبال خواهد داشت. لذا پیش بینی به موقع این بیماری به درمان های اولیه و موثر آن کمک می کند. با توجه به اهمیت بیماری کبد و افزایش تعداد مبتلایان، مطالعه ی حاضر با هدف پیش بینی بیماری کبد با استفاده از الگوریتم های داده کاوی صورت گرفت. این پژوهش از نوع توصیفی بوده و با استفاده از 721 داده ی جمع آوری شده از بیماران کبدی شهر زاهدان انجام شده است. در این بررسی پس از پیش پردازش داده ها، تکنیک های داده کاوی از قبیل ماشین بردار پشتیبان، CHAID، Exhaustive CHAID و C5.0 تقویت شده در نرم افزار IBM SPSS Modeler 18 بررسی، مقایسه و تحلیل شده است. یافته ها نشان داد که الگوریتم C5.0 تقویت شده با دقت 94/09 درصد، الگوریتم Exhaustive CHAID با دقت 88/71 درصد، ماشین بردار پشتیبان با دقت 87/09 درصد و الگوریتم CHAID با دقت 85/47 درصد بیماری کبد را پیش بینی کردند. بنابراین بهترین الگوریتم از لحاظ دقت عملکرد، الگوریتم C5.0 تقویت شده شناخته شد. با توجه به دقت الگوریتم C5.0 تقویت شده و قوانین حاصل از آن، برای یک نمونه ی جدید با ویژگی های مشخص، می توان احتمال ابتلای فرد به بیماری کبد را با دقت قابل قبولی پیش بینی کرد.