فاطمه لطفی پور. - کارشناس ارشد، فناوری اطلاعات تجارت الکترونیک، دانشگاه آزاد واحدصفاشهر
فرزانه فاموری - استاد دانشگاه آزاد اسلامی واحد فسا
علیرضا هنرور - استاد دانشگاه آزاد اسلامی واحد صفاشهر

بیماری های قلبی و عروقی مهمترین عامل مرگ و میر در اغلب کشورهای جهان شناخته شده اند و طبق آمارهای رسمی، میزان مرگ و میر ناشی از این پدیده در ایران رو به افزایش است. رشد چشمگیر بیماری قلبی و اثرات و عوارض آنها باعث شده است که جامعه پزشکی به دنبال راهکارهایی برای پیشگیری و شناسایی زود هنگام و درمان موثر آن باشند. اما در سالهای اخیر با افزایش حجم اطلاعات، استفاده از سامانههای هوشمند مانند دادهکاوی جهت پیش بینی بیماری قلبی در حجم وسیعی از دادهها، بیشازپیشمورد توجه قرارگرفته است. از این رو در این پژوهش با استفاده از تکنیک های داده کاوی و الگوریتم های دسته بندی درخت تصمیم، بیز ساده، کانزدیکترین همسایه بر روی داده های مربوط به 12652 نفر بیمار عضو مرکز تحقیقات برج پژوهشی محمد رسول الله و 430 پرونده پزشکی مربوط به بیماران بیمارستان قلب الزهرا در دانشگاه علوم پزشکی شیراز سعی شده است که صحت عوامل موثر در بیماری های قلبی و عروقی با توجه به سایر ویژگی ها مورد مطاالعه قرار بگیرد. هم چنین در ادامه جهت بهبود نتایج از روش های جمعی بگینگ و بوستینگ درخت تصمیم استفاده شد و ارزیابی دقت براساس تعداد رکوردها روی هر دو مجموعه داده مورد بررسی قرار گرفت.نتایج الگوریتم برتر درخت تصمیم قوانین مفیدی را تولید کرد و ارتباط بین متغیرهای مدل پیش بینی بیماری قلبی ارزیابی و تحلیل شد.

داده کاوی،داده کاوی در بیماری قلبی و عروقی درخت تصمیم پیش بینی الگوریتم بگینگ و بوستینگ