محمدرضا آزادبری - دانشجوی کارشناسی ارشد کامپیوتر نرم افزار ، دانشگاه غیرانتفاعی سینا، کاشان، ایران
راضیه عسگرنژاد - دکتری کامپیوتر نرم افزار، دانشگاه آزاد اسلامی واحد اصفهان (خوراسگان)، اصفهان، ایران و گروه کارشناسی ارشد کامپیوتر نرم افزار ، دانشگاه غیرانتفاعی سینا، کاشان، ایران
حسین مبلغ اسلام - دانشجوی کارشناسی ارشد کامپیوتر نرم افزار ، دانشگاه غیرانتفاعی سینا، کاشان، ایران

مهم ترین زمینه های کاربرد داده کاوی در حیطه علم پزشکی است. با به کارگیری الگوریتم های داده کاوی می توان سیستم های هوشمندی ابداع کرد که به شکل خودکار و بدون نیاز به نظارت پزشک قادر به فهم و تفسیر ویژگی های پزشکی افراد باشند یا اطلاعات مفیدی را اکتشاف کنند که متخصصان را در قضاوت صحیح یاری رساند. در ادبیات داده کاوی در پزشکی تا کنون مجموعه بسیار متنوعی از روش ها ارایه شده است که هر یک دارای نقاط ضعف و قدرت به خصوصی بوده که عملکرد آن بسته به نوع داده و شرایط حاکم بر مساله متفاوت است. مجموعه داده مورد استفاده دارای 400 رکورد مربوط به بانک اطلاعاتی بیماران مزمن کلیه که از مخزن UCI استخراج شده است . نتایج آزمایشات نشان می دهد ماشین های بردار پشتیبان SVM نسبت به الگوریتم بیز ساده و الگوریتم درخت تصمیم عملکرد بهتری داشته است با دقت 0.962 درصد

داده کاوی ، دسته بندی ، ماشین های بردار پشتیبان ،درخت تصمیم ، بیز ساده و بیماری مزمن کلیه