ارزیابی کارایی تکنیک های طبقه بندی داده کاوی برای پیش بینی بیماری قلبی
Publish Year: 1398
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 677
This Paper With 8 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
این Paper در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
INFM03_016
تاریخ نمایه سازی: 16 شهریور 1398
Abstract:
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:
Authors
پریسا دانشجو
دانشگاه آزاد اسلامی واحد تهران غرب ، تهران
حسن علیمحمدی
دانشگاه آزاد اسلامی واحد تهران غرب ، تهران