ارزیابی عملکرد الگوریتم های یادگیری ماشین در پیش بینی احتمال وقوع دیابت در جمعیت زنان هندی پیما
- سال انتشار: 1402
- محل انتشار: ششمین همایش ملی فناوریهای نوین در مهندسی برق، کامپیوتر و مکانیک ایران
- کد COI اختصاصی: STCONF06_251
- زبان مقاله: فارسی
- تعداد مشاهده: 129
نویسندگان
دانشجوی کارشناسی ارشد، گروه مهندسی پزشکی ، دانشگاه بین المللی امام رضا(ع)، مشهد، ایران
دانشجوی کارشناسی ارشد، گروه مهندسی پزشکی ، دانشگاه بین المللی امام رضا(ع)، مشهد، ایران
استادیار، گروه مهندسی پزشکی ، دانشگاه بین المللی امام رضا(ع)، مشهد، ایران
چکیده
بیماری دیابت و عوارض ناشی از آن بیماری از جمله مشکلاتی است ، که بسیاری از مردم جهان به علت سبک زندگی مدرن از آن رنج می برند. محققان و دانشمندان همواره تلاش کرده اند با روشهای گوناگون یتوانند احتمال ابتلا افراد به دیابت را پیش بینی کنند تا از عوارض زیانبار ناشی از دیابت در افراد بکاهند در این پژوهش تلاش کردیم با استفاده از دادههای بالینی زنان بالای ۲۱ سال در مجموعه دادهی هندی پیما، بهترین الگوریتم یادگیری ماشین را جهت پیش بینی بیماری دیابت نوع دو ارائه دهیم . الگوریتم هایی که در این پژوهش مورد بررسی قرار گرفت ، شامل : کا-نزدیک ترین همسایه ، ماشین بردار پشتیبان، درخت تصمیم گیری، بیز ساده، رگرسیون لاجستیک و شبکه عصبی است . در نتیجه مشاهده نمودیم که لاجستیک رگرسیون و ماشین بردار پشتیبان به ترتیب با صحت های ۵.۷۹و ۹.۷۷ درصد نسبت به سایر الگوریتم ها عملکرد بهتری در پیش بینی دیابت نوع ۲ داردکلیدواژه ها
بیماری دیابت ، دیابت نوع ۲، پیش بینی ، یادگیری ماشین .مقالات مرتبط جدید
- بررسی تاثیر ولتاژ و زاویه نازل بر هندسه گرده جوش در فرایند جوشکاری قوس الکتریکی با گاز محافظ
- شبیه سازی ضخامت بهینه پوشش سد حرارتی YSZ بر روی سوپر آلیاژ ۷۱۳
- مدل سازی توزیع زمان ماند تجهیزات فرآوری مواد معدنی با استفاده از روش جستجوی الگوریتم ژنتیک
- روش های مختلف بهینه سازی پارامترهای فرآیند جوشکاری
- بررسی عوامل موثر بر بهبود استحکام چدن خاکستری
اطلاعات بیشتر در مورد COI
COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.
کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.