مروری بر تاثیر گزینش زیرمجموعه صفات خاصه، نوع نمونه گیری و میزان نمونه برداری در طبقه بندی بیماران قلبی

طبق آخرین آمارهای رسمی وزارت بهداشت، 33 تا 38 درصد مرگ ومیرها در کشور ناشی از بیماری های قلبی و عروقیاست، به طوریکه ایران رکورددار بالاترین آمار مرگ ومیر قلبی در جهان نامیده شده است. بر اساس این گزارش، روزانه300 نفر در کشور براثر عوارض قلبی فوت می کنند. این آمار اهمیت تشخیص به موقع و درمان سریع بیماران قلبی رانشان می دهد؛ اما در مرحله تشخیص ممکن است خطراتی همچون خطای انسانی پزشکان منجر به این شود که فردیباوجود ابتلا به بیماری قلبی، سالم تشخیص داده شده و اقدامات لازم جهت درمان آن فرد انجام نشود، ولی امروزه می-توان مرحله ی تشخیص را تا حد زیادی به تکنیک های یادگیری ماشین سپرد تا پزشکان تنها بیمارانی را که از طریق اینتکنیک ها سالم تشخیص داده می شوند را موردبررسی قرار دهد. در این تحقیق سعی شده با استفاده از روش های درختتصمیم، روش بیز، روش Random forest, K-NN و SVM و نیز معیارهای ارزیابی طبقه بندی مثل میزان نمونه برداری،نوع نمونه گیری از مجموعه دادگان و نوع انتخاب ویژگی، روشهای مورداستفاده در طبقه بندی بیماران قلبی مورد ارزیابیقرار داده شود تا بابیان ویژگی ها و نوع پیکربندی هرکدام، معایب و محاسن هر یک مشخص شود.

Keywords:

الگوریتم های دسته بندی , بیماران قلبی , یادگیری ماشین , درخت تصمیم , صحت پیش بینی