آناليز عملكرد تكنيكهاي تلفيقي داده كاوي جهت پيش بيني بيماري ديابت

بيماري ديابت يكي از چالش هاي عمده سلامت در سراسر دنياست . ديابت با سرعت بالايي در حال شيوع بوده و پيشگيري و پيش بيني اين بيماري به شكلي روز افزون مورد توجه جامعه سلامت است. در اين ميان استفاده از علم داده كاوي براي پيش بيني بيماري ديابت محبوبيت زيادي را در بين مردم به دست آورده است. در اين پژوهش الگوريتم¬هاي تلفيقي AdaBoost و Bagging را به همراه دو الگوريتم درخت تصميم J48 و الگوريتم Logistic به عنوان الگوريتم هاي پايه دسته بند، با الگوريتم هاي J48 و Logistic به صورت مستقل مقايسه مي¬كنيم تا بتوانيم دقيق ترين تشخيص را براي بيماري ديابت داشته باشيم. مراحل شبيه سازي با نرم افزار وكا انجام گرفته است. روش پيشنهادي بر روي داده¬هاي دريافت شده از سيستم پزشكي دانشگاه كاليفرنيا(UCI) اعمال شده¬ است. اين مجموعه داده داراي 768 ركورد مي¬باشد. نتايج ارزيابي¬ها نشان مي¬دهد كه بصورت كلي روش تلفيقي Bagging، با هردو پايه J48 و Logistic داراي عملكرد بالاتري نسبت به الگوريتم AdaBoost و الگوريتم¬هاي مستقل J48 و Logistic در تشخيص بيماري مي¬باشد.