fa تشخیص بیماری دیابت با استفاده از الگوریتم جنگل تصادفی تخصصي Special پژوهشي Research <strong><span style="font-family:B Lotus;"><span style="font-size:12.0pt;">مقدمه: </span></span></strong><span style="font-family:B Lotus;"><span style="font-size:12.0pt;">دیابت چهارمین عامل مرگ و میر در دنیا است. و از آنجایی که بسیاری از مردم جهان به این بیماری مبتلا و یا در معرض خطر آن هستند، می‌توان دیابت را بیماری قرن نامید. دیابت تأثیرات مخربی بر سلامتی افراد جامعه دارد و در صورت تشخیص دیر هنگام، می‌تواند صدمات جبران‌ناپذیری به ‌بینایی، کلیه‌ها، قلب، شریان‌ها و غیره وارد کند. بنابراین لازم است که روش‌هایی برای تشخیص این بیماری در مراحل اولیه وجود داشته باشد. در این مقاله، از داده‌کاوی در تشخیص دیابت استفاده شده است. </span></span><strong><span dir="LTR"></span></strong><br> <strong><span style="font-family:B Lotus;"><span style="font-size:12.0pt;">روش‌ها: </span></span></strong><span style="font-family:B Lotus;"><span style="font-size:12.0pt;">الگوریتم اصلی مورد استفاده در این مقاله، الگوریتم جنگل تصادفی است. برای بررسی کارایی الگوریتم پیشنهادی در تشخیص بیماری دیابت از مجموعه داده‌هایی استفاده شده است که شامل 768 نمونه (بیمار) و دارای 8 ویژگی بوده است. از آنجایی که الگوریتم جنگل تصادفی یک الگوریتم ترکیبی است و از چندین درخت تصمیم ایجاد شده است، باعث رسیدن به دقت بالایی در تشخیص بیماری دیابت می‌گردد.</span></span><strong><span dir="LTR"></span></strong><br> <strong><span style="font-family:B Lotus;"><span style="font-size:12.0pt;">یافته‌ها:</span></span></strong><span style="font-family:B Lotus;"><span style="font-size:12.0pt;"> با استفاده از این الگوریتم توانستیم میزان دقت تشخیص بیماری دیابت را به 86/99 % افزایش دهیم.</span></span><br> <strong><span style="font-family:B Lotus;"><span style="font-size:12.0pt;">نتیجه‌گیری:</span></span></strong><span style="font-family:B Lotus;"><span style="font-size:12.0pt;"> برای تشخیص دیابت از الگوریتم‌های مختلفی استفاده شده است ما سعی کردیم از الگوریتمی استفاده کنیم که نسبت به بقیه الگوریتم‌ها برای تشخیص این بیماری از میزان دقت بسیار بالایی برخوردار باشد.</span></span> <strong>Background:</strong> Diabetes is the fourth leading cause of death in the world. And because so many people around the world have the disease, or are at risk for it, diabetes can be called the disease of the century. Diabetes has devastating effects on the health of people in the community and if diagnosed late, it can cause irreparable damage to vision, kidneys, heart, arteries and so on. Therefore, it is necessary to have methods to diagnose this disease in the early stages. In this article, data mining is used to diagnose diabetes.<br> <strong>Methods:</strong> The main algorithm used in this paper is the random forest algorithm. To evaluate the efficiency of the proposed algorithm in diagnosing diabetes, a data set was used that included 768 samples (patients) and had 8 characteristics. Because the stochastic forest algorithm is a hybrid algorithm created from several decision trees, it achieves high accuracy in diagnosing diabetes.<br> <strong>Results:</strong> Using this algorithm, we were able to increase the accuracy of diabetes diagnosis to 99.86%.<br> <strong>Conclusion:</strong> Diabetes is the fourth leading cause of death in the world. Different algorithms have been used to diagnose this disease. We tried to use an algorithm that has a very high degree of accuracy compared to other algorithms for diagnosing this disease. بیماری, داده‌کاوی, دیابت, الگوریتم جنگل تصادفی Disease, Data Mining, Diabetes, Random Forest Algorithm 92 100 http://ijdld.tums.ac.ir/browse.php?a_code=A-10-1546-1&slc_lang=fa&sid=1 Sadegh Moshrefzadeh صادق مشرف زاده sadeghmoshrefzadeh@yahoo.com 0000-0002-3478-5630 Yes ComputerEngineering, Faculty of Engineering, Yasouj University, Iran گروه کامپیوتر، دانشکده‌ی فنی و مهندسی Bahman Ravaei بهمن روایی 0000-0003-3468-3201 No ComputerEngineering, Faculty of Engineering, Yasouj University, Iran گروه کامپیوتر، دانشکده‌ی فنی و مهندسی Ehsan Kozegar احسان اله کوزه گر 0000-0002-1575-0651 No Computer Engineering, Faculty of Engineering, University of Guilan, Iran گروه کامپیوتر، دانشکدهی فنی و مهندسی