تشخیص بیماری دیابت با استفاده از مدل رای گیری نرم

دیابت یکی از عوامل مهم مرگ و میر در سراسر جهان است و تاثیرات آن بر بیماری های کلیوی و قلبی و از دست دادن بینایی قابل توجه است. پیش بینی دیابت یک حوزه تحقیقاتی مهم است که می تواند به بهبود درمان بیماری کمک کند. در این مقاله، روش جدیدی برای تشخیص بیماری دیابت پیشنهاد شده است. روش پیشنهادی روی مجموعه داده دیابت اعمال شده است، ابتدا در مرحله پیش پردازش، شناسایی داده های پرت و حذف آن ها، جایگزین نمودن مقادیر گمشده و نرمال سازی داده ها انجام می شود. پس از پیش پردازش داده ها با استفاده از الگوریتم لاسو، ویژگی های مهم انتخاب می شوند. سپس با استفاده از سه طبقه بند K-نزدیکترین همسایه، تقویت گرادیان شدید و کت بوست، نمونه ها به دو کلاس بیماران دیابتی و سالم طبقه بندی می شوند. در پایان برای بهبود روش پیشنهادی از الگوریتم رای گیری نرم برای ادغام سه طبقه بند استفاده شده است. مدل پیشنهادی در این پژوهش با استفاده از معیارهای ارزیابی دقت، صحت و پوشش مورد ارزیابی قرار گرفت. این مدل به دقت ۹۴.۴%، صحت ۹۶.۵% و پوشش ۹۲.۷% دست یافت. نتایج حاکی از آن هستند که مدل پیشنهادی با افزایش دقت در تشخیص بیماری دیابت نسبت به سایر، عملکرد بهتری داشته است. بنابراین، با استفاده از این مدل، می توان افرادی که در معرض خطر ابتلا به دیابت هستند را با دقت بیشتری شناسایی کرد و اقدامات پیشگیرانه ای را برای کنترل بیماری دیابت انجام داد.

کلیدواژه ها:

یادگیری ماشین ، انتخاب ویژگی ، داده کاوی ، دیابت ، پیش بینی