مروری جامع بر پیش بینی بیماری دیابت با تکنیک های داده کاوی

در دنیای پزشکی امروز، با توجه به افزایش قابل توجه تعداد بیماران دیابتی، یکی از سریعترین و در دسترس ترین تکنیک هایتشخیص بیماری بر مبنای داده کاوی است. یک چالش مهم در این حوزه، تشخیص سریع و زودهنگام دیابت است. داده کاوی نقشمهمی را در صنعت بهداشت ودرمان ایفا می کند و یک چشم انداز مفیدی برای محققان در پیش بینی بیماری دیابت به ارمغان می آورد.زیرا می تواند حجم عظیمی از داده های مرتبط به دیابت را کشف کند. تکنیک های مختلف داده کاوی می توانند جلوگیری از پیشرفتبیماری دیابت کنند و در نهایت، کیفیت مراقبت های بهداشتی را برای بیماران دیابتی بهبود بخشند. هدف اصلی این تحقیق، مقایسهکارایی الگوریتم هایی است که برای پیش بینی دیابت با استفاده از تکنیک های داده کاوی استفاده شده است. در این مقاله، می خواهیمطبقه بندهای یادگیری ماشین از جمله درخت تصمیم C5.0، ماشین بردار پشتیبان، بیزین ساده، K نزدیکتری همسایه و شبکه عصبی مصنوعی برای طبقه بندی بیماران دیابتی مقایسه کنیم.

Keywords:

داده کاوی , دیابت , صحت , تکنیک های داده کاوی , شبکه عصبی مصنوعی , بیزین ساده , ماشین بردار پشتیبان , درخت تصمیم K , C5.0 , نزدیکتری همسایه