مروري جامع بر پيش بيني بيماري ديابت با تكنيك هاي داده كاوي

در دنياي پزشكي امروز، با توجه به افزايش قابل توجه تعداد بيماران ديابتي، يكي از سريع ترين و در دسترس ترين تكنيك هاي تشخيص بيماري بر مبناي داده كاوي است. يك چالش مهم در اين حوزه، تشخيص سريع و زودهنگام ديابت است. داده كاوي نقش مهمي را در صنعت بهداشت و درمان ايفا مي كند و يك چشم انداز مفيدي براي محققان در پيش بيني بيماري ديابت به ارمغان مي آورد. زيرا مي تواند حجم عظيمي از داده هاي مرتبط به ديابت را كشف كند. تكنيك هاي مختلف داده كاوي مي توانند جلوگيري از پيشرفت بيماري ديابت كنند و در نهايت، كيفيت مراقبت هاي بهداشتي را براي بيماران ديابتي بهبود بخشند. هدف اصلي اين تحقيق، مقايسه كارايي الگوريتم هايي است كه براي پيش بيني ديابت با استفاده از تكنيك هاي داده كاوي استفاده شده است. در اين مقاله، مي خواهيم طبقه بندهاي يادگيري ماشين از جمله درخت تصميم C5.0 ، ماشين بردار پشتيبان، بيزين ساده، K نزديكترين همسايه و شبكه عصبي مصنوعي براي طبقه بندي بيماران ديابتي مقايسه كنيم.