بررسی روشهای دادهکاوی در تشخیص بیماری دیابت دانش آموزان

داده کاوی پزشکی در کشف دانش و آنالیز اطلاعات کسب شده از گزارشهای پژوهشی ، گزارشهای پزشکی ، نمودارها، جداول استفاده شده است و این توده اطلاعات را به اطلاعات مفیدی تبدیل می کند که برای تصمیم گیری مورد استفاده قرار می گیرد.بیماری دیابت یکی از شایع ترین ، خطرناکترین و پرهزینه ترین بیماری های حال حاضر دنیا است که با نرخ هشداردهنده ای در حال افزایش است . استفاده از روشهای دادهکاوی می تواند به تشخیص زودهنگام دیابت دانش آموزان کمک کند که باعث جلوگیری از پیشرفت این بیماری و خیلی از عوارض آن مانند بیماری قلب و عروق، مشکلات بینایی و ... می شود.تکنیک های دادهکاوی می توانند به طور موفقیت آمیزی برای طبقه بندی بیماران دیابتی به کار روند. هدف از این مطالعه ، مقایسه عملکرد رگرسیون لجستیک ، شبکه های عصبی مصنوعی ، درخت تصمیم ، -K نزدیک ترین همسایه ، ماشین بردار پشتیبان، دسته بندی کننده Bagging، دسته بندی کننده Naive Bayse، دسته بندی کننده Random Forest، قوانین انجمنی (الگوریتم (Apriori، الگوریتم RBF Network، برای پیش بینی دیابت دانش آموزان می باشد.تکنیک های دادهکاوی به کار رفته از لحاظ دقت ، حساسیت و تخصیص مورد ارزیابی قرار گرفته و مقایسه و ارزیابی طبق نرم افزارهای WEKA و Rapidminer برای مدلهای پیشنهادی به کار گرفته شده است .هدف در این تحقیق این است که تعدادی از مقالات معتبر در زمینه روشهای دادهکاوی در تشخیص دیابت دانش آموزان مورد بررسی قرار گیرد. تا از این طریق مزایا و معایب تعدادی از روشهای مذکور به صورت آماری مورد بحث و بررسی قرار گیرد و با ارائه مقایسه ای کلی و آماری از این روشها بتوان روش یا ترکیبی مناسب از این روشها را برای تشخیص دقیق تر و سریع تر دیابت دانش آموزان ارائه داد.

کلیدواژه ها:

دیابتدانش آموزان ، روشهای دادهکاوی ، تشخیص بیماری دیابت ، شبکه های عصبی مصنوعی ، درخت تصمیم