ارائه ی سیستم تصمیم گیری به منظور جایگزینی داده های ازدست رفته مبتنی بر شبک هی عصبی پیشخور (مطالعه ی موردی بیماران مزمن کلیوی)

امروزه داده های ازدست رفته حتی در مطالعات خوبطراحی و کنترل شده یافت می شوند. وجود داده های ازدست رفته، شرایطتشخیص را دشوار و پاسخ ها را از لحاظ مفهومی به سمت اشتباه سوقمی دهد. از این رو یافتن روشی جهت جایگزینی یا حذف نمونه های ازدسترفته می تواند یک رویکرد امیدبخش برای داده های غیرقابل استفاده باشد. دراین پژوهش نشان داده می شود روش جایگزینی برای تمامی سناریوهایداده ای از کیفیت بالایی برخوردار نیست و مدیریت تصمیم گیری برای حذفو جایگزینی در بهبود کیفیت داده ها می تواند موثر عمل نماید. در اینپژوهش، یک روش جهت مدیریت حذف یا جایگزینی فیلدهای اطلاعاتیازدست رفته با توجه به دانش قبلی در مورد روابط بین متغیرهای ورودی وپیش بینی ارائه می گردد. روش پیشنهادی با محاسبه ی تئوری مقدار آستانه،حذف نمونه ها با داده های ازدست رفته ی بالا با توجه به آستانه ی تعیین شدهو جایگزینی سایر داده های از دست رفته با پیش بینی شبکه ی عصبیپرسپترون چندلایه توانست خطای طبقه بندی الگوریتم های درخت تصمیم،بیز ساده، کا نزدیکترین همسایه و شبکه ی عصبی را به ترتیب % ۲.۵۱،% ۲.۴۵ % ، ۲.۲۲ و % ۱.۳۴ نسبت به روش جایگزینی میانگین بهبود بخشد.همچنین خطای طبقه بندی را % ۰.۳۷ نسبت به پیشینه ی پژوهش درپیش بینی وضعیت بیماران مزمن کلیوی کاهش دهد.