پیش بینی بیماری قلبی با استفاده از الگوریتم داده کاوی درخت تصمیم
Publish place: International Conference on Accounting and Management
Publish Year: 1393
Type: Conference paper
Language: Persian
View: 1,781
This Paper With 11 Page And PDF Format Ready To Download
- Certificate
- I'm the author of the paper
این Paper در بخشهای موضوعی زیر دسته بندی شده است:
Export:
Document National Code:
MOCONF01_0836
Index date: 20 November 2015
پیش بینی بیماری قلبی با استفاده از الگوریتم داده کاوی درخت تصمیم abstract
همکاری متخصصان در زمینه کامپیوتر و پزشکی، راه حل جدیدی را در تحلیل داده ها و به دست آوردن الگوهای مفید و کاربردی ارائه می دهد که همان داده کاوی است. داده کاوی فرآیند کشف دانش پنهان درون داده ها از طریق برقراری روابط و الگوهای مفید است. به دلیل اهمیت شیوه های تصمیم گیری مدیران بیمارستان ها در پیشبرد اهداف بیمارستان و اهمیت قدرت پیش بینی آنان در حل مشکلات درمانی بیماران، این مطالعه با هدف استفاده مدیران بیمارستان ها از نتایج حاصل از داده کاوی سیستم های اطلاعات بیمارستان HIS جهت پیش بینی دقیق تر و تصمیم گیری بهتر و مؤثرتر برای درمان بیماران صورت گرفته است. داده های مورد استفاده در این مطالعه، مربوط به اطلاعات 270 بیمار است که از انبار داده سایت UCI استخراج شده و شامل 14 متغیر می باشد. از مدل درخت تصمیم با ساختار کارت که یکی از ابزارهای کلاسبندی در داده کاوی است، برای پیش بینی مبتلا بودن به بیماری قلبی استفاده شده و دقت پیش بینی این مدل مورد بررسی قرار گرفته است. بر اساس نتایج این تحقیق مشاهده میشود که این مدل با دقتی برابر به 72.73% عمل کلاسبندی را برای مجموعه مشاهدات آزمون انجام داده است.
پیش بینی بیماری قلبی با استفاده از الگوریتم داده کاوی درخت تصمیم Keywords:
پیش بینی بیماری قلبی با استفاده از الگوریتم داده کاوی درخت تصمیم authors
مریم کاظمی
گروه مدیریت، پردیس علوم و تحقیقات ایلام، دانشگاه آزاد اسلامی ایلام، ایران
حسین مهدی زاده
استادیار دانشگاه ایلام
اردشیر شیری
استادیار دانشگاه ایلام
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :