سعید تجری - گروه کامپیوتر، واحد گرگان، دانشگاه آزاد اسلامی، گرگان ، ایران
علی نودهی - گروه کامپیوتر، واحد گرگان، دانشگاه آزاد اسلامی، گرگان ، ایران

بیماری قلبی عروقی یکی از بزرگترین علل مرگ و میر در میان جمعیت جهان می باشد، بطوری که افراد زیادی به علت عدم آگاهی و تشخیص به موقع بیماری جان خود را از دست می دهند. اگر بیماری هرچه زودتر تشخیص داده شود کنترل و پیشگیری سریع تر صورت می پذیرد و از مشکلاتی که ممکن است جان بیمار را به خطر بیندازد جلوگیری می شود. از مهمترین روش ها برای پیش بینی بیماری های قلبی عروقی تجزیه و تحلیل داده های بالینی می باشد، از آنجایی که مقدار داده های بدست آمده بسیار زیاد است نیاز به کم کردن این داده ها می باشد تا بتوان آنها را یه اطلاعات مفید تبدیل کرد. برای این عمل می توان به کمک داده کاوی این داده های خام را تبدیل به اطلاعاتی کنیم که بتوانند به تصمیم گیری و پیش بینی آگاهانه کمک کند. پژوهش های زیادی در مورد تکنیک های داده کاوی برای پیش بینی بیماری های قلبی- عروقی صورت پذیرفته است، با این حال ترکیب صحیح ویژگی ها نقش مهمی در پیش بینی بیماری های قلبی عروقی دارد. در این مقاله به مقایسه نتایج و دستاورد پژوهش های دیگر از لحاظ بالاترین دقت در انتخاب ویژگی، بالاتریت صحت ویژگی ها و بالاترین میزان دسترسی به نتایج درست پرداخته ایم.

داده کاوی، مدل پیش بینی، الگوریتم های طبقه بندی، انتخاب ویژگی، پیش بینی بیماری های قلبی