یش بینی بیماری قلبی با استفاده از تر کیب الگوریتم خوشه بندی Kmodes و الگوربتم دسته بندی جنگل تصادفی

تشخیص درست بیماری نیازمند دقت و دانش زبادی است. تحقیقات زبادی در زمینه بادگیری ماشین برای تشخیص بیماری درسال های اخیر انجام شده است. در بین بیماری های موجود. بیماری قلبی اهمیت زیادی دارد. پیش بینی بهنگام بیماری قلبیمی تواند از خطرات ناگهانی آن جلوگیری کند. اگرچه پیشرفت های زبادی در این زمینه بدست آمده اما هنوز نیازمند روشهاییاست که بالاترین دقت را دارند. هدف این مقاله ارابه یک مدل جدید برای پیش بینی بیماری قلبی است. این مدل بر مبنایالگوریتم ترکیب خوشه بندی K-Modes و الگوربتم حنگل تصادفی است. ابتدا داده ها پیش بردازش شده. با استفاده ازالگوربتم K-Modes خوشه بندی انجام شده است. نتیجه خوشه بندی برای دسته بندی به الگوریتم بادگیری ماشین مانندالگوریتم جنگل تصادفی و درخت تصمیم داده شده است. در بین این الگوربتم ها جنگل تصادفی بهترین نتیجه را داشته است.این مدل بر روی یک مجموعه داده مربوط به بیماری های قلبی عروفی که در مخزن دیتاست K-Modes قرار دارد، ارزیابی شدهاست. این مجموعه داده ۷۰۰۰۰ نمونه دارد و هر نمونه ۱۱ ویژگی دارد. دقت روش ۷۴,۵۸% است که نسبت به روش های پیشیندقت بهتری است. نتایج نشان می دهد که الگوریتم پیشنهادی می تواند یک سیستم موثر برای پیش بینی اولیه بیماری قلبی ارائه کند.

کلیدواژه ها:

پیش بینی بیماری قلبی ، الگوریتم K-Modes ، الگوریتم دسته بندی جنگل تصادفی