تشخیص بیماری کبدی با استفاده از نرم افزار RapidMiner و ویژگی های درخت تصمیم

تشخیص سریع و زودهنگام بیماری یکی از چالش های اساسی در حوزه تشخیص پزشکی است. .هدف اصلی این تحقیق، مقایسه میزان کارایی الگوریتم هایی است که برای پیش بینی بیماری کبدی با استفاده از روش های داده کاوی ارائه شده اند. از جمله این روش ها طبقه بندهای یادگیری ماشینی، درخت تصمیم ، مدل ماشین بردار پشتیبان و سایر مدل ها هستند که با بررسی مقایسه پارامترهای ارزیابی کارایی روش های مورد نظر نتیجه به دست آمده نشان می دهد که درخت تصمیم منجر به نتایج بهتری نسبت به سایر الگوریتم ها برای تشخیص بیماری کبدی می شود

Keywords:

بیماری کبد , داده کاوی , درخت تصمیم , مدل ماشین بردار پشتیبانrapidminer ,