طراحی سیستم هوشمند برای تشخیص بیماری دیابت با استفاده از رویکرد داده کاوی
نویسنده:
نوع مقاله:
خلاصه گزارش (دارای رتبه معتبر)
چکیده:
زمینه و هدف
بیماری دیابت عوارض متعددی دارد، تشخیص دیر هنگام دیابت در افراد منجر به گسترش عوارض بیماری می شود. مطالعه حاضر با هدف بررسی امکان پیش بینی دیابت با استفاده از فنون داده کاوی انجام شد.
روش بررسی
این پژوهش از نوع توصیفی- تحلیلی بود که به صورت مقطعی انجام شد. جامعه پژوهش شامل افراد مراجعه کننده به مراکز بهداشتی شهرستان محمدیه در استان قزوین جهت انجام غربالگری دیابت بودند. داده های مورد مطالعه مربوط به فروردین تا خرداد 1394 بود. داده ها در نهایت با استفاده از سه روش نزدیک ترین همسایگی (k-nearest neighbors algorithm, k-NN)، درخت تصمیم گیری (Decision tree, DT) و ماشین های بردار پشتیبان (Support vector machine, SVM) تحلیل و مورد مقایسه قرار گرفتند. جهت تحلیل داده ها از MATLAB® software, version 8.2 (Mathworks Inc., Natick, MA, USA) استفاده شد.
یافته ها
در تمامی معیارها، بهترین نتایج توسط درخت تصمیم گیری با صحت (0/96) به دست آمد. پس از آن روش های نزدیک ترین همسایگی با صحت (0/96) و ماشین های بردار پشتیبان با صحت (0/94) قرار داشتند.
نتیجه گیری
براساس نتایج ارایه شده، درخت تصمیم گیری بهترین نتایج را در کلاس بندی نمونه های تست نشان داد. این مدل می تواند به عنوان مدلی مناسب در پیش بینی دیابت با استفاده از داده های ریسک فاکتور توصیه شود.کلیدواژگان:
زبان:
فارسی
انتشار در:
صفحات:
827 تا 831
لینک کوتاه:
magiran.com/p1940313
دانلود و مطالعه متن این مقاله با یکی از روشهای زیر امکان پذیر است:
اشتراک شخصی
با عضویت و پرداخت آنلاین حق اشتراک یکساله به مبلغ 1,390,000ريال میتوانید 70 عنوان مطلب دانلود کنید!
اشتراک سازمانی
به کتابخانه دانشگاه یا محل کار خود پیشنهاد کنید تا اشتراک سازمانی این پایگاه را برای دسترسی نامحدود همه کاربران به متن مطالب تهیه نمایند!
توجه!
- حق عضویت دریافتی صرف حمایت از نشریات عضو و نگهداری، تکمیل و توسعه مگیران میشود.
- پرداخت حق اشتراک و دانلود مقالات اجازه بازنشر آن در سایر رسانههای چاپی و دیجیتال را به کاربر نمیدهد.
In order to view content subscription is required
Personal subscription
Subscribe magiran.com for 70 € euros via PayPal and download 70 articles during a year.
Organization subscription
Please contact us to subscribe your university or library for unlimited access!