عنوان مقاله :
طراحي سيستم پيش بيني بيماري قلبي-عروقي با استفاده از الگوريتم هاي يادگيري ماشين
عنوان به زبان ديگر :
No title
پديد آورندگان :
كاظمي، محمد دانشگاه آزاداسلامي مشهد - گروه كامپيوتر، مشهد، ايران , كاظمي، اميرعباس دانشگاه فردوسي مشهد - گروه كامپيوتر، مشهد، ايران , باب الحكمي، اميرحسين دانشگاه فردوسي مشهد - گروه كامپيوتر، مشهد، ايران , عباسي، نگار دانشگاه پيام نور مشهد - گروه آمار، مشهد، ايران
كليدواژه :
تشخيص بيماري قلبي , انتخاب ويژگي , ضريب همبستگي پيرسون , تحليل مولفه هاي اساسي , طبقه بندي
چكيده فارسي :
بيماري هاي قلبي يكي از شايع ترين بيماري هاست كه در حال حاضر تعداد افراد مبتلا به اين نوع بيماري ها در حال افزايش مي باشد. اين در حالي است در صورتي كه مراقبت هاي لازم براي بيمار در زمان مناسب صورت نگيرد، مي تواند باعث مرگ بيمار شود. از اين رو تشخيص دقيق در مرحله معاينه اوليه به همراه درمان مناسب مي تواند منجر به اجتناب از افزايش ميزان مرگ ومير ناشي از بيماري قلبي گردد. براي رسيدن به اين مهم مي توان از تكنيك هاي موجود در زمينه داده كاوي بهره گرفت. داده كاوي داده هاي مفيدي را از مجموعه داده هاي موجود استخراج مي كند كه منجر به پيش بيني يا دسته بندي اطلاعات از طريق خوشه بندي، كلاس بندي و يا كشف الگوهاي پنهان مي شود. تاكنون تحقيقات زيادي با استفاده از مدل هاي داده كاوي در تشخيص بيماري هاي مختلف مانند بيماري هاي قلبي و عروقي انجام شده است.. در اين مقاله قصد داريم با استفاده از رويكردي مبتني بر انتخاب ويژگي به عنوان يك گام پيش پردازش، مدلي باهدف تشخيص بيماري قلبي ارائه گردد. راهكار پيشنهادي داراي 3 گام اصلي مي باشد كه گام1) پيش پردازش داده ها با هدف رفع مقادير Null و پرت در مجموعه داده ها، گام2) انتخاب ويژگي هاي موثر با بهره وري از 2 روش ضريب همبستگي پيرسون و تجزيه و تحليل مولفه هاي اصلي كه سعي در حذف ويژگي هايي كه با صفت هدف رابطه خاصي ندارند و رفتار اين ويژگي مستقل از صفت هدف مي باشند، است. و در گام3) با استفاده از 3 الگوريتم J48، شبكه بيزين و SVM مدلي براي پيش بيني بيماري قلبي ساخته مي شود. نتايج بدست آمده نشان مي دهد الگوريتم J48 با دقت 0.89 داراي بالاترين دقت است.
چكيده لاتين :
No abstract
عنوان نشريه :
پژوهش هاي معاصر در علوم و تحقيقات