احمد نظری - کارشناس ارشد مهندسی کامپیوتر نرم افزار ، دانشکده فنی و مهندسی، دانشگاه آزاد اسلامی یاسوج، ایران

امروزه در دانش پزشکی شاهد جمع آوری داده های فراوان در مورد بیماری های مختلف هستیم. تحقیق روی این داده ها و بدست آوردن نتایج و الگوهای مفید در رابطه با بیماری ها یکی از اهداف استفاده از این داده ها است. در این تحقیق با توجه به سهمی که بیماری های قلبی در مرگ و میر انسانها دارند به بررسی انواع روش ها و الگوریتم های داده کاوی جهت تشخیص زود هنگام بیماری قلبی پرداخته ایم. داده کاوی را روی مجموعه داده های استانداردی که مربوط به 209 نفر بیمار بوده انجام شد. مهمترین متغیرها در ارتباط با آنژین صدری ناشی از ورزش، نوع درد سینه، سن، حداکثر ضربان قلب و فشار خون در زمان استراحت است. همچنین الگوریتم های کلاس بندی نزدیکترین همسایه، شبکه عصبی، رگرسیون لجستیک توسعه یافته، الگوریتم ترکیبی بردار ماشین پشتیبان با ازدحام ذرات، و نیز الگوریتم جنگل تصادفی روی مجموعه داده ها از نظر دقت تشخیص بیماری در افراد مورد تست و بررسی قرار گرفت. بالاترین نتایج مربوط به الگوریتم جنگل تصادفی با دقت 97.61 در تست و 71.29 در آموزش است و نیز در الگوریتم رگرسیون لجستیک با دقت 91.87 در آموزش و 78.48 در تست بوده است که بسیار بهینه تر از سایر تحقیقات اخیر می باشد.

داده کاوی، بیماری های قلبی، رگرسیون لجستیک، بردار ماشین پشتیبان و ازدحام ذرات، جنگل تصادفی