مروري بر تأثير گزينش زيرمجموعه صفات خاصه،نوع نمونه¬گيري و ميزان نمونه‌برداري در طبقه‌بندي بيماران قلبي

طبق آخرين آمارهاي رسمي وزارت بهداشت، 33 تا 38 درصد مرگ‌وميرها در كشور ناشي از بيماري‌هاي قلبي و عروقي است، به‌طوري‌كه ايران ركورددار بالاترين آمار مرگ‌ومير قلبي در جهان ناميده شده است. بر اساس اين گزارش، روزانه 300 نفر در كشور براثر عوارض قلبي فوت مي‌كنند. اين آمار اهميت تشخيص به‌موقع و درمان سريع بيماران قلبي را نشان مي‌دهد؛ اما در مرحله تشخيص ممكن است خطراتي همچون خطاي انساني پزشكان منجر به اين شود كه فردي باوجود ابتلا به بيماري قلبي، سالم تشخيص داده‌شده و اقدامات لازم جهت درمان آن فرد انجام نشود، ولي امروزه مي¬توان مرحله‌ي تشخيص را تا حد زيادي به تكنيك‌هاي يادگيري ماشين سپرد تا پزشكان تنها بيماراني را كه از طريق اين تكنيك¬ها سالم تشخيص داده مي‌شوند را موردبررسي قرار دهد. در اين تحقيق سعي شده با استفاده از الگوريتم‌ها و تكنيك‌هاي يادگيري ماشين و نيز معيارهاي ارزيابي طبقه¬بندي، روش‌هاي مورداستفاده در طبقه‌بندي بيماران قلبي مورد ارزيابي قرار داده شود تا بابيان ويژگي‌ها و نوع پيكربندي هركدام، معايب و محاسن هر يك مشخص شود.