به کار گیری مدل درخت خطی محلی در پیش بینی بیماران دیابتی

دیابت یک بیماری خاموش، مزمن، ناتوان کننده و پرهزینه است و مخاطرات جدی را برای خانوادهها و جامعه به همراه دارد. از طرفی با توجه به هزینه های بالایی که این بیماری و عوارض ناشی از آن بر بیمار، خانوادهی آنها و سازمانهای درمانی که مسئولیت درمان و پشتیبانی این بیماران را برعهده دارند تحمیل می نماید، تشخیص بیماری در مراحل اولیه کار میتواند سبب کاهش هزینه های درمان و جلوگیری از عوارض جبران ناپذیر این بیماری گردد. در تشخیص بیماران دیابتی، فاکتورهای مختلفی درگیر است که نیازمند طراحی یک مدل پیشبینی دقیق برای تعیین درست افراد مبتلا به این بیماری است. در این مقاله، با استفاده از مدل عصبی فازی مدل درخت خطی محلی - LOLIMOT به پیشبینی تعداد افراد مبتلا به بیماری دیابت در پایگاه اطلاعاتی که از یکی از بیمارستان های شیراز تهیه گردیده است، پرداختیم. در این راستا ابتدا داده های خام را پس از بررسی اولیه مورد پیش پردازش قرار دادیم و سپس با استفاده از الگوریتم LOLIMOT تعداد افراد مبتلا به بیماری دیابت را پیش بینی نمودیم. نتایج تجربی دقت 100 %را برای داده های موجود نشان داده است.

کلیدواژه ها:

بیماران دیابتی ، پیشبینی ، عصبی فازی ، - LOLIMOT (Local Linear model Tree)