پیشبینی بیماریهای قلبی با استفاده از روشهای داده کاوی
عنوان مقاله: پیشبینی بیماریهای قلبی با استفاده از روشهای داده کاوی
شناسه ملی مقاله: DCBDP03_013
منتشر شده در سومین کنفرانس ملی محاسبات توزیعی و پردازش داده های بزرگ در سال 1396
شناسه ملی مقاله: DCBDP03_013
منتشر شده در سومین کنفرانس ملی محاسبات توزیعی و پردازش داده های بزرگ در سال 1396
مشخصات نویسندگان مقاله:
امیرحسین اسمعیل پور - دانشجوی کارشناسی ارشد مهندسی کامپیوتر- هوش مصنوعی، دانشکده فنی و مهندسی، دانشگاه شمال، آمل
محمدرضا فدوی امیری - عضو هیات علمی گروه مهندسی کامپیوتر، دانشکده فنی و مهندسی، دانشگاه شمال، آمل
خلاصه مقاله:
امیرحسین اسمعیل پور - دانشجوی کارشناسی ارشد مهندسی کامپیوتر- هوش مصنوعی، دانشکده فنی و مهندسی، دانشگاه شمال، آمل
محمدرضا فدوی امیری - عضو هیات علمی گروه مهندسی کامپیوتر، دانشکده فنی و مهندسی، دانشگاه شمال، آمل
امروزه دادهکاوی یکی از اساسی ترین ابزارها برای آنالیز اطلاعات و کسب دانش از دادهها است. پیشبینی و تشخیص بیماریها یکی از زمینه هایی است که ابزارهای دادهکاوی در آن نتایج مسرت بخشی از خود نشان داده اند. تشخیص و پیشبینی بیماریهای قلبی یک کار بسیار پیچیده و نیازمند تجربه و دانش بالاست. امروزه بیمارستانها و درمانگاهها دارایحجم عظیمی از دادههای پزشکی بیماران هستند. این دادهها شامل اطلاعاتی است که توسط انسانهای عادی قابل شناسایی نیست. در این مقاله ما با استفاده از ابزارهای دادهکاوی پیشرفته احتمال اینکه یک فرد به بیماری قلبی دچارشود را پیشبینی میکنیم. با توجه به اینکه تا به حال از شبکه عصبی RBF1 برای پیشبینی بیماریهای قلبی استفاده نشده بود ما در این پژوهش از این الگوریتم استفاده کردیم و از الگوریتمهای ماشین بردار پشتیبان 2 ، دسته بندی کننده بیز 3 ودرخت تصمیم 4 برای مقایسه استفاده کردیم. همچنین برای ارزیابی الگوریتمها از مجموعه داده ای Cleveland استفادهکردیم. ما نتایج دلگرم کننده ای بدست آوردیم که حاکی از آن است که شبکه عصبی RBF صحت و بازخوانی بیشتری نسبت به دیگر الگوریتم ها دارد و ماشین بردار پشتیبان بالاترین مقدار دقت را نسبت به دیگر الگوریتمها دارا میباشد.
کلمات کلیدی: Heart disease, data mining, RBF, SVM, Decision Tree, Naïve Bayes
صفحه اختصاصی مقاله و دریافت فایل کامل: https://civilica.com/doc/649149/