طراحی و پیاده سازی یک سیستم هوشمند جهت پیش بینی بیماری قلبی با استفاده از تکنیک های داده کاوی

امروزه در دانش پزشکی شاهد جمع آوری داده های فراوان در مورد بیماری های مختلف هستیم. حجم زیاد این داده ها و سردرگمی حاصل از آن مشکلی است که مانع رسیدن به نتایج قابل توجه می شود. در این کار از داده کاوی برای غلبه بر این مشکل و به دست آوردن روابط مفید بین عوامل خطرزا در بیماری های قلـب و عـروق اسـتفاده کرده ایم.یکی از مهم ترین عواملی که تأثیر زیادی در ساخت مدلی با دقت مناسب برای پیش بینی دارد، ویژگی است. علاوه بر ویژگی، انتخاب مدل پیش بینی کننده یا همان طبقه بند تأثیر زیادی در دقت مدل نهایی و پیش بینی وجود و یا عدم وجود بیماری قلبی دارد. دراین مقاله از چهار طبقه بند متداول نظیر ماشین بردار پشتیبان ،درخت تصمیم ،kنزدیکترین همسایه و بیزین برای ساخت مدل استفاده شده است. مجموعه داده موردبررسی در این مقاله شامل 270 رکورد و همچنین14 ویژگی است. دقت پیش بینی نتایج حاصل از طبقه بندهای ماشین بردار پشتیبان، k نزدیکترین همسایه،درخت تصمیم و بیزین ساده به ترتیب برابر% 81.11 و66.67% و %59.72و %19.85 است که به نسبت نتایج خوبی است.

Keywords:

داده کاوی , بیماری قلبی , درخت تصمیم , ماشین بردار پشتیبان , k نزدیکترین همسایه