بررسي ابتلا به ديابت زنان سرخ پوست با استفاده از الگوريتم هاي نظارتي

investigation of diabetes in indian women by supervise algorithms

متخصصان پزشكي نياز به روش هاي پيش بيني قابل اعتماد براي تشخيص ديابت دارند.داده كاوي فرايند تجزيه و تحليل داده ها از ديدگاههاي مختلف و خلاصه شدن ان به اطلاعات مفيد است. داده كاوي در داده هاي پزشكي داده هاي خام را به اطلاعات مفيد تبديل ميكند.در اين مقاله بررسي داده هاي مربوط به ديابت زنان سرخ پوست صورت مي گيرد.تشخيص يا پيش بيني ديابت با استفاده از تكنيك هاي مختلف داده كاوي مانند طبقه بندي ،خوشه بندي،شناخت الگو و ...انجام مي شود. با استفاده از علم داده كاوي مي خواهيم ابتلا و يا عدم ابتلا زنان سرخ پوست بالاي 12 سال را پيش بيني كنيم. كه در اين مجموعه داده در دسترس دو كلاس )بلي ،خير ( تغريف شده است. براي پيش بيني از مدل هاي مختلف استفاده مي شود كه ملاك هاي دقت و صحت و بازبيني اين الگوريتم ها در پيش بيني به ما كمك مي كنند. كه دراين مقاله ميبينيم كه مدل هاي naïve bayes و جنگل تصادفي بهترين مدل ها براي پيش بيني هستند.

Medical professionals need reliable methods to diagnose diabetes. Data mining is a process of analysis. Data is useful from various perspectives and summaries. Data mining in the medical data turns into useful information. This paper reviews the data on the indian women diabetes. We can predict diabetes by using various data mining techniques such as classification, clustering, pattern recognition and ... by using data mining, we want to anticipate the risk of diabets in women over 21 years old. That in this dataset there are two classes (yes, no) .using different algorithms help us. Accuracy and precision help us to know which model is the best for prediction. Which is in this article we see that naive bayes and random forest models are the best models to predict.