مقایسه ی کارایی الگوریتم های داده کاوی در پیش بینی تشخیص بیماری دیابت
دیابت یکی از مشکلات اساسی سلامت در ایران بوده و حدود 6/4 میلیون نفر از بزرگسالان به این بیماری مبتلا هستند. ضعف در تشخیص این بیماری سبب شده نیمی از این تعداد از بیماری خود اطلاعی نداشته باشند. در سالیان اخیر همزمان با به کارگیری رایانه در تحلیل و ذخیره سازی اطلاعات، حجم و پیچیدگی داده ها به صورت چشمگیری افزایش یافته است.
در سازمان های سلامت داده ها نقش اساسی در ارزش سازمان ایفا می کنند. از این رو داده کاوی به یکی از پرکاربردترین فرآیندها در حوزه ی سلامت و تشخیص بیماری ها تبدیل شده است. در این پژوهش اطلاعات 768 نفر از مراجعین آزمایشگاهی در تهران با حفظ محرمانگی و برای شناسایی متغیرهای تاثیرگذار در ابتلا به بیماری دیابت از نظرات خبرگان استفاده شده است.
یافته ها حاکی از بررسی 5 الگوریتم مورد نظر بر روی داده های ارایه شده است که با پیاده سازی 5 الگوریتم داده کاوی J48، بیز، بگینگ، کوهن و خوشه بندی ساده جهت دسته بندی داده ها، کارایی این الگوریتم ها از نظر سرعت و دقت در محاسبات بررسی گردید.
مجموعه داده ها جهت دسته بندی، بانک داده های یک آزمایشگاه است که این مجموعه شامل 768 نمونه با 9 مشخصه است. نهایتا الگوریتم J48 به دلیل سرعت بالا، دقت مورد قبول و عدم وجود حساسیت به داده های اولیه، جهت داده کاوی داده های بیماری دیابت پیشنهاد می شود.
- حق عضویت دریافتی صرف حمایت از نشریات عضو و نگهداری، تکمیل و توسعه مگیران میشود.
- پرداخت حق اشتراک و دانلود مقالات اجازه بازنشر آن در سایر رسانههای چاپی و دیجیتال را به کاربر نمیدهد.