پيش بيني بيماري قلبي با استفاده از تركيب الگوريتم خوشه بندي Kmodes و الگوريتم دسته بندي جنگل تصادفي

تشخيص درست بيماري نيازمند دقت و دانش زيادي است. تحقيقات زيادي در زمينه يادگيري ماشين براي تشخيص بيماري در سال هاي اخير انجام شده است. در بين بيماري هاي موجود، بيماري قلبي اهميت زيادي دارد. پيش بيني بهنگام بيماري قلبي مي تواند از خطرات ناگهاني آن جلوگيري كند. اگرچه پيشرفت هاي زيادي در اين زمينه بدست آمده اما هنوز نيازمند روشهايي است كه بالاترين دقت را دارند. هدف اين مقاله ارايه يك مدل جديد براي پيش بيني بيماري قلبي است. اين مدل بر مبناي الگوريتم تركيب خوشه بندي K-Modes و الگوريتم جنگل تصادفي است. ابتدا داده ها پيش پردازش شده، با استفاده از الگوريتم K-Modes خوشه بندي انجام شده است. نتيجه خوشه بندي براي دسته بندي به الگوريتم يادگيري ماشين مانند الگوريتم جنگل تصادفي و درخت تصميم داده شده است. در بين اين الگوريتم ها جنگل تصادفي بهترين نتيجه را داشته است. اين مدل بر روي يك مجموعه داده مربوط به بيماري هاي قلبي عروقي كه در مخزن ديتاست kaggle قرار دارد، ارزيابي شده است. اين مجموعه داده 70000 نمونه دارد و هر نمونه 11 ويژگي دارد. دقت روش ۷۴.۵۸٪ است كه نسبت به روش هاي پيشين دقت بهتري است. نتايج نشان مي‌دهد كه الگوريتم پيشنهادي مي‌تواند يك سيستم مؤثر براي پيش‌بيني اوليه بيماري قلبي ارائه كند.