ارائهی مدلی برای تشخیص بیماری با استفاده از کلاسه بندی در داده کاوی

در سالهای اخیر استفاده از داده کاوی به منظور تشخیص و پیش بینی بیماری ها از اهمیت خاصی برخوردار شده است. تشخیص بیماری جزء مسائلکلاسه بندی داده ها در داده کاوی محسوب می شود و مطالعات نشان میدهند که ترکیب کلاسه بندها می تواند به بهبود دقت مدل تشخیص بیماری کمککرده و دقت بالاتری در مقایسه با هر یک از کلاسه بندهای استفاده شده حاصل گردد. در این مقاله مدلی برای تشخیص دقیقتر بیماری پیشنهاد میشود کهدر آن ابتدا متوازن سازی دادهها و همچنین انتخاب ویژگی های مهم و تاثیرگذار داده ها بر روی بیماری انجام شده و در مرحله ی بعد، نتایج سه کلاسه بندماشین بردار پشتیبان، جنگل تصادفی و شبکه های عصبی مصنوعی با استفاده از نظریه ی ترکیب دمپستر-شافر با هم ترکیب میشود. نتایج ارزیابی مدلپیشنهادی بر روی مجموعه دادهی بیماران کبدی نشان میدهند که این مدل در مقایسه با سایر روش های مورد مقایسه از دقت بهتری برخوردار است ومیتواند به پزشکان در تشخیص به موقع و انجام درمان مناسب در مراحل اولیه کمک کرده و مانع از رشد بیماری گردد.

کلیدواژه ها:

داده کاوی ، کلاسه بندی ، ترکیب کلاسه بندها ، تشخیص بیماری