ارزیابی کارایی تکنیک های طبقه بندی داده کاوی برای پیش بینی بیماری قلبی

بیماری قلبی ممکن است یکی از دلایل اصلی مرگ باشد. به علت فقدان دانش و تجربیات متخصصان در مورد علائم نارسایی قلب برایپیش بینی اولیه این بیماری، کار آسان برای تشخیص بیماری نیست. درنتیجه، پیش بینی مبتنی بر رایانه؛ مبتلایان به بیماری قلبی میتواندنقش مهمی را در تشخیص پیش از مرحله برای انجام اقدامات مناسب با توجه به بهبودی بیماران بازی کند. بااینحال، انتخاب روش طبقه بندیمناسب داده کاوی می تواند به طور موثر پیش بینی مرحله اولیه بیماری را برای بازگشت از آن به همراه داشته باشد. در این مقاله، سه تکنیک طبقه بندی استفاده شده غالب از قبیل ماشین بردار پشتیبانی (SVM)، نزدیک ترین همسایه (K(KNN و شبکه عصبی مصنوعی (ANN) راموردبررسی قرار میدهیم، با توجه به ارزیابی آنها برای پیش بینی بیماری های قلبی با استفاده از مجموعه داده های بیماری کلیوی استاندارد موردمطالعه قرارگرفته است.. نتایج تجربی نشان میدهد که دقت طبقه بندی با استفاده از SVM (85.1852%) بهتر از استفاده از KNN (82336%) و ANN (73.3333%) است.

Keywords:

داده کاوی , KNN , SVM , شبکه عصبی مصنوعی , پیش بینی بیماری قلبی