پیش بینی دیابت با بهینه سازی الگوریتم نزدیک ترین همسایه توسط الگوریتم ژنتیک

مقدمه: دیابت یا بیماری قند یک اختلال متابولیک سوخت و سازی در بدن است که توانایی تولید انسولین در بدن از بین می رود و انسولین تولیدی نمی تواند عملکرد طبیعی خود را انجام دهد. وجود علائم و ویژگی­ های مختلف این بیماری، تشخیص را برای پزشکان دشوار می­کند. داده ­کاوی امکان تحلیل داده­ های بالینی بیماران برای تصمیم ­گیری ­های پزشکی را فراهم می­کند. هدف این پژوهش، ارائه یک مدل برای افزایش دقت پیش ­بینی دیابت است. روش: در این مطالعه، پرونده پزشکی ۱۱۵۱ بیمار مبتلا به دیابت با تعداد ۱۹ ویژگی مورد بررسی قرار گرفت. اطلاعات بیماران از پایگاه داده استاندارد UCI جمع ­آوری شد. هر یک از بیماران حداقل به مدت یک سال تحت پیگیری بودند. به منظور ارائه مدل پیش ­بینی دیابت از الگوریتم ژنتیک و نزدیک­ترین همسایه استفاده شد. نتایج: نتایج نشان داد که دقت پیش­ بینی مدل ­پیشنهادی برابر با ۰/۷۶ بود. همچنین برایروش ­های نایو بیز، شبکه عصبی پرسپترون چند لایه و ماشین بردار پشتیبان دقت پیش­بینی به ترتیب برابر با ۰/۶۲، ۰/۶۵ و ۰/۷۵ به دست آمد. نتیجه ­گیری: در پیش­ بینی دیابت،مدل پیشنهادی نسبت به سایر مدل­ های مورد مقایسه، دارای حداقل میزان خطا و بیش­ترین دقت و صحت ­است. روش نایو بیز، حداکثر میزان خطا و کم­ترین دقت را دارا می­ باشد.

کلیدواژه ها:

Prediction of diabetes ، Genetic algorithm ، Nearest neighbor algorithm ، Data mining ، پیش بینی دیابت ، الگوریتم ژنتیک ، الگوریتم نزدیک ترین همسایه ، داده کاوی