طراحی سیستم پیش بینی بیماری قلبی-عروقی با استفاده از الگوریتم های یادگیری ماشین

بیماری های قلبی یکی از شای عترین بیمار یهاست که در حال حاضر تعداد افراد مبتلا به این نوع بیماری ها در حال افزایش میباشد. این در حالی است در صورتی که مراقبت های لازم برای بیمار در زمان مناسب صورت نگیرد، می تواند باعث مرگ بیمارشود. از این رو تشخیص دقیق در مرحله معاینه اولیه به همراه درمان مناسب می تواند منجر به اجتناب از افزایش میزانمرگ ومیر ناشی از بیماری قلبی گردد. برای رسیدن به این مهم می توان از تکنیک های موجود در زمینه داد هکاوی بهره گرفت.داده کاوی داده های مفیدی را از مجموعه داده های موجود استخراج می کند که منجر به پیش بینی یا دسته بندی اطلاعات ازطریق خوشه بندی، کلاس بندی و یا کشف الگوهای پنهان می شود. تاکنون تحقیقات زیادی با استفاده از مدل های داده کاوی درتشخیص بیماری های مختلف مانند بیماری های قلبی و عروقی انجام شده است.در این مقاله قصد داریم با استفاده از رویکردی مبتنی بر انتخاب ویژگی به عنوان یک گام پیش پردازش، مدلی باهدفتشخیص بیماری قلبی ارائه گردد. راهکار پیشنهادی دارای ۳ گام اصلی می باشد که گام ۱) پیش پردازش داده ها با هدف رفعمقادیر Null و پرت در مجموعه داده ها، گام ۲) انتخاب ویژگی های موثر با بهره وری از ۲ روش ضریب همبستگی پیرسون و تجزیه و تحلیل مولفه های اصلی که سعی در حذف ویژگی هایی که با صفت هدف رابطه خاصی ندارند و رفتار این ویژگیمستقل از صفت هدف می باشند، است. و در گام ۳) با استفاده از ۳ الگوریتم J۴۸ مدلی برای پیش بینی بیماری قلبی ساخته می شود. نتایج بدست آمده نشان می دهد الگوریتم J۴۸ با دقت ۰.۸۹ دارای بالاترین دقت است.

Keywords:

تشخیص بیماری قلبی , انتخاب ویژگی , ضریب همبستگی پیرسون , تحلیل مولفه های اساسی , طبقه بندی