دوره 21، شماره 4 - ( 7-1400 )
جلد 21 شماره 4 صفحات 275-264 |
برگشت به فهرست نسخه ها
Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
Dekamini F, Ehsanifar M. Comparison of the Efficiency of Data Mining Algorithms in Predicting the Diagnosis of Diabetes. ijdld 2021; 21 (4) :264-275
URL: http://ijdld.tums.ac.ir/article-1-6046-fa.html
URL: http://ijdld.tums.ac.ir/article-1-6046-fa.html
دکامینی فاطمه، احسانی فر محمد. مقایسه‌ی کارایی الگوریتم‌های داده‌کاوی در پیش‌بینی تشخیص بیماری دیابت. مجله دیابت و متابولیسم ایران. 1400; 21 (4) :264-275
1- گروه مدیریت صنعتی، دانشکده‌ی مدیریت ، s_dekamin@yahoo.com
2- گروه مهندسی صنایع، دانشکده‌ی فنی مهندسی
2- گروه مهندسی صنایع، دانشکده‌ی فنی مهندسی
چکیده: (1212 مشاهده)
مقدمه: دیابت یکی از مشکلات اساسی سلامت در ایران بوده و حدود 6/4 میلیون نفر از بزرگسالان به این بیماری مبتلا هستند. ضعف در تشخیص این بیماری سبب شده نیمی از این تعداد از بیماری خود اطلاعی نداشته باشند. در سالیان اخیر همزمان با به‌کارگیری رایانه در تحلیل و ذخیره‌سازی اطلاعات، حجم و پیچیدگی داده‌ها به‌صورت چشمگیری افزایش یافته است.
روش‌ها: در سازمان‌های سلامت داده‌ها نقش اساسی در ارزش سازمان ایفا می‌کنند. از این‌رو داده‌کاوی به یکی از پُرکاربردترین فرآیندها در حوزه‌ی سلامت و تشخیص بیماری‌ها تبدیل شده است. در این پژوهش اطلاعات 768 نفر از مراجعین آزمایشگاهی در تهران با حفظ محرمانگی و برای شناسایی متغیرهای تأثیرگذار در ابتلا به بیماری دیابت از نظرات خبرگان استفاده شده است.
یافته‌ها: یافته‌ها حاکی از بررسی 5 الگوریتم مورد نظر بر روی داده‌های ارائه شده است که با پیاده‌سازی 5 الگوریتم داده‌کاوی J48، بیز، بگینگ، کوهن و خوشه‌بندی ساده جهت دسته‌بندی داده‌ها، کارایی این الگوریتم‌ها از نظر سرعت و دقت در محاسبات بررسی گردید.
نتیجه‌گیری: مجموعه داده‌ها جهت دسته بندی، بانک داده‌های یک آزمایشگاه است که این مجموعه شامل 768 نمونه با 9 مشخصه است. نهایتاً الگوریتم J48 به‌دلیل سرعت بالا، دقت مورد قبول و عدم وجود حساسیت به داده‌های اولیه، جهت داده‌کاوی داده‌های بیماری دیابت پیشنهاد می‌شود.
روش‌ها: در سازمان‌های سلامت داده‌ها نقش اساسی در ارزش سازمان ایفا می‌کنند. از این‌رو داده‌کاوی به یکی از پُرکاربردترین فرآیندها در حوزه‌ی سلامت و تشخیص بیماری‌ها تبدیل شده است. در این پژوهش اطلاعات 768 نفر از مراجعین آزمایشگاهی در تهران با حفظ محرمانگی و برای شناسایی متغیرهای تأثیرگذار در ابتلا به بیماری دیابت از نظرات خبرگان استفاده شده است.
یافته‌ها: یافته‌ها حاکی از بررسی 5 الگوریتم مورد نظر بر روی داده‌های ارائه شده است که با پیاده‌سازی 5 الگوریتم داده‌کاوی J48، بیز، بگینگ، کوهن و خوشه‌بندی ساده جهت دسته‌بندی داده‌ها، کارایی این الگوریتم‌ها از نظر سرعت و دقت در محاسبات بررسی گردید.
نتیجه‌گیری: مجموعه داده‌ها جهت دسته بندی، بانک داده‌های یک آزمایشگاه است که این مجموعه شامل 768 نمونه با 9 مشخصه است. نهایتاً الگوریتم J48 به‌دلیل سرعت بالا، دقت مورد قبول و عدم وجود حساسیت به داده‌های اولیه، جهت داده‌کاوی داده‌های بیماری دیابت پیشنهاد می‌شود.
ارسال پیام به نویسنده مسئول
| بازنشر اطلاعات | |
 |
این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است. |
