تشخیص دیابت با استفاده از تکنیک های داده کاوی با نرم افزار RapidMiner

توضیحات

تشخیص دیابت با استفاده از تکنیک های داده کاوی با نرم افزار RapidMiner

مسئله مورد نظر ما، تشخیص بیماری دیابت با استفاده از تکنیک داده کاوی است. این تکنیک ها را مدل های یاگیری ماشین میگویند که با استفاده از قواعد ریاضیاتی و آماری، اقدام به تخمین، تشخیص و یا دسته بندی داده ها میکنند. در این گزارش قصد داریم تا با استفاده از 5 نمونه از تکنیک های داده کاوی شامل، درخت تصمیم، بیز ساده، شبکه عصبی، ماشین بردار پشتیبان و نزدیک ترین همسایگی این کار را انجام دهیم.

انتخاب دادگان

دادگانی که برای این تمرین انتخاب کرده‌ایم مربوط به دیابت است. این دیتاست شامل ویژگی های استخراج شدها از تصادیر messidor است که که نشان میدهد آیا در یک عکس علائمی از دیابت وجود دارد یا خیر

https://archive.ics.uci.edu/ml/datasets/Diabetic+Retinopathy+Debrecen+Data+Set

این دیتاست شامل ویژگی‌هایی از جمله، عددی و نوعی است و از نوع دسته‌بندی محسوب می‌شود. تعداد نمونه‌های موجود 1151 نمونه است که شامل 19 ویژگی است که missing value نیز دارد. این دیتاست در سال 2014 جمع‌آوری شده است. شکل زیر اطلاعات کلی ذکر شده را نمایش می‌دهد.

ویژگی های دیتاست

در این تمرین 5 روش دسته‌بندی متفاوت را انتخاب کرده‌ایم. هر کدام دارای ویژگی‌ها و معایب خاص خود هستند که باعث می‌شود برای هر مسئله، بر حسب نیاز، یک روش دسته‌بندی خاص را استفاده کنیم.  از بین 5 روش مذکور، بهترین دقت مربوط به شبکه عصبی است. با توجه به اینکه در اکثر مسائل علمی قدرت ماشین بردار پشتیبان و شبکه عصبی را مشاهده می‌کنیم، در این مسئله نیز شاهد دقت بالاتر این دو روش نسبت با سایر روش ها هستیم که سادگی بیشتری دارند.

همچنین کمترین دقت مربوط به روش بیز ساده است که به دلیل ساده کردن مسئله و استقلال ابعاد، کمترین دقت را دارد.

نمودار میله‌ای زیر، دقت روش‌های مورد استفاده را در یک قاب نشان میدهد.

تشخیص دیابت با استفاده از تکنیک های داده کاوی با نرم افزار RapidMiner  توسط کارشناسان گروه ۱.۲.۳ پروژه پیاده سازی گردیده و به تعداد محدودی قابل فروش می باشد.فایلهای پروژه به صورت کامل پس از خرید فایل بلافاصله در اختیار شما قرار خواهد گرفت.