رویا زارع فرخادی - هیئت علمی گروه کامپیوتر موسسه غیرانتفاعی و غیر دولتی رشدیه تبریز
اسما طالبی - دانشجوی کارشناسی ارشد مهندسی نرم افزار موسسه غیرانتفاعی و غیر دولتی رشدیه تبریز

بیماری مزمن کبد به عنوان یکی از بیماری های کشنده در نظر گرفته می شود، بنابراین تشخیص و درمان به موقع می تواند به راحتی بیماری را بهبود بخشد. هدف این مطالعه بررسی الگوریتم های یادگیری ماشین مانند ماشین بردار پشتیبان, K نزدیک ترین همسایه ، درخت تصمیم ، شبکه های عصبی چند لایه و... برای تشخیص است که محققان درباره انها تحقیق و بررسی کرده اند. با مطالعه این مقاله می توان مزایا و معایب هر یک از روشهای یادگیری ماشین برای تشخیص بیماری کبدی را بدست اورد و از ترکیب مرایای روشها روش جدیدی را برای تشخیص بیماری کبدی تخمین زد. در هر یک از مقالات مورد بررسی از دیتاستها معروف و جهانی شمامل تمام ویژگی های تاثیرگذار در تشخیص استفاده شده است .

بیماری کبدی، یادگیری ماشین ، ماشین بردار پشتیبان، K نزدیک ترین همسایه