مقایسه روش رگرسیون لجستیک و پیش بینی بیزی در تشخیص بیمارانی که پیوند کلیه را رد می کنند

پیوند هدفمندانه اعضا از جمله پیوند کلیه برای بیمارانی که به مرحله آخر بیماری کلیوی رسیده اند جز بهترین انتخاب ها برای درمان بیماری به حساب می آید. برای پیش بینی نتیجه پیوندر پذیرش یا رد) مساله ای در زمینه یادگیری ماشین است و برای حل آن می توان از روش های رایج یادگیری ماشین کمک گرفت. تعداد زیادی روش تفکیک کننده برای این پیش بینی وجود دارد. از قبیل ماشین بردار پشتیبانی و شبکه های عصبی و درخت تصمیم و رگرسیون لجستیک. در این مقاله ما برای پیدا کردن ژن هایی که تاثیر بیشتری در رد حاد پیوند کلیه دارند و همچنین مشخص کردن نتیجه پیوند کلیه در بیماران دو روش پیش بینی بیزی و رگرسیون لجستیک را با یک دیگر مقایسه می کنیم و در پایان نتیجه می گیریم که رگرسیون لجستیک در این مورد از پیش بینی بیزی بهتر عمل می کند.