آنالیز عملکرد تکنیک های تلفیقی داده کاوی جهت پیش بینی بیماری دیابت

بیماری دیابت یکی از چالش های عمده سلامت در سراسر دنیاست . دیابت با سرعت بالایی در حال شیوع بوده و پیشگیری و پیش بینی این بیماری به شکلی روز افزون مورد توجه جامعه سلامت است. در این میان استفاده از علم داده کاوی برای پیش بینی بیماری دیابت محبوبیت زیادی را در بین مردم به دست آورده است. در این پژوهش الگوریتم های تلفیقی AdaBoost و Bagging را به همراه دو الگوریتم درخت تصمیم J48 و الگوریتم Logistic به عنوان الگوریتم های پایه دسته بند، با الگوریتم های J48 و Logistic به صورت مستقل مقایسه می کنیم تا بتوانیم دقیق ترین تشخیص را برای بیماری دیابت داشته باشیم. مراحل شبیه سازی با نرم افزار وکا انجام گرفته است. روش پیشنهادی بر روی داده های دریافت شده از سیستم پزشکی دانشگاه کالیفرنیا(UCI) اعمال شده است. این مجموعه داده دارای 768 رکورد می باشد. نتایج ارزیابی ها نشان می دهد که بصورت کلی روش تلفیقی Bagging، با هردو پایه J48 و Logistic دارای عملکرد بالاتری نسبت به الگوریتم AdaBoost و الگوریتم های مستقل J48 و Logistic در تشخیص بیماری می باشد.

کلیدواژه ها:

روشهای تلفیقی ، الگوریتم AdaBoost ، بیماری دیابت ، الگوریتم Bagging ، رگرسیون لجستیک ، درخت تصمیم J48