آنالیز حساسیت عوامل موثر در بروز سکته مغزی

در این مقاله پیش بینی سکته مغزی ایسکمیک با استفاده از الگوریتم های یادگیری ماشین (جنگل های تصادفی، رگرسیون منطقی، بیز ساده و ماشین بردار پشتیبانی) صورت می گیرد. برای پردازش داده ها با استفاده از یادگیری ماشین، از آنجا که داده ها دارای خصوصیات مختلفی هستند، یک بار قبل از متعادل سازی آن ها و یک بار بعد از متعادل سازی آن ها، میزان اهمیت هر خصیصه اندازه گیری می شود. قبل از متعادل سازی داده ها، به ترتیب خصوصیات مقدار گلوکز خون، سن، شاخص توده بدنی، وضعیت سیگار کشیدن و نوع شغل افراد از میزان اهمیت بیشتری برخوردارند. پس از متعادل سازی داده ها، به ترتیب خصوصیات سن، مقدار گلوکز خون، شاخص توده بدنی، وضعیت سیگار کشیدن و نوع شغل افراد از میزان اهمیت بیشتری برخوردارند. قبل از متعادل سازی داده ها صحت الگوریتم جنگل های تصادفی ۹۷/۵% بوده اما به علت نامتوازن بودن بقیه معیارهای اندازه گیری، بار دیگر پس از متعادل سازی داده ها، صحت الگوریتم ها اندازه گیری شده و با کمک الگوریتم جنگل های تصادفی، صحت ۹۸/۴% حاصل شد.

کلیدواژه ها:

یادگیری ماشین ، میزان اهمیت خصوصیات ، متعادل سازی داده ها