بررسی و مقایسه میزان صحت الگوریتم های داده کاوی در پیش بینی بیماری قلبی

محیط پزشکی از نظر اطلاعات غنی است اما از نظر دانش هنوز ضعیف است. بسیاری از تشخیصات پزشکی توسط تخصص و تجربه پزشکان انجام می شود. اما هنوز هم گزارشاتی راجع به اشتباهات پزشکان در تشخیص بیماری وجود دارد. یکی از بیماری های مهم بیماری قلبی است. در این کار درصدد یافتن روشی برای تشخیص و پیش بینی بیماری های قلبی با استفاده از تکنیک های داده کاوی هستیم. برای این منظور به بررسی و مقایسه بین تکنیک های داده کاوی سنتی مانند درخت تصمیم گیری، بیز ساده شبکه عصبی، K نزدیکترین همسایه، لیست تصمیم گیری و ابزار جدید داده کاوی یعنی طبقه بندی کننده انجمنی وزنی (WAC) پرداخته ایم تا بتوان با توجه به میزان صحت هر یک از الگوریتم ها، الگوریتم مناسبی برای بالا بردن صحت پیش بینی بیماری قلبی یافت.

کلیدواژه ها:

تکنیک های داده کاوی ، درخت تصمیم گیری ، بیز ساده WAC