پیش بینی بیماری های قلبی و عروقی با استفاده از تکنیک های داده کاوی با متلب

توضیحات

پیش بینی بیماری های قلبی و عروقی با استفاده از تکنیک های داده کاوی با متلب

هدف اصلی:

مقایسه کارایی چهار الگوریتم معروف حوزه داده کاوی برای یافتن بیماری های قلبی و عروقی و مقایسه این روش ها.

پایگاه داده مورد استفاده:

در این پژوهش پایگاه داد تهیه شده توسط دانشگاه کلولند امریکا از سایت زیر دریافت شد که شامل بیش از 303 نمونه که هر کدام بیش از 40 ویژگی غیرفیلتر شده را دارا می باشند و ویژگی های اولیه انتخابی در این پایگاه داده برابر 13 نمونه بوده است.

https://archive.ics.uci.edu/ml/machine-learning-databases/heart-disease/

لیست بیماری ها و توضیحات جامع تمامی آزمایش های این داده در ادامه قرار داده شده است.

برای دریافت جزئیات بیشتر می توان از لینک زیر استفاده نمود.

https://archive.ics.uci.edu/ml/machine-learning-databases/heart-disease/heart-disease.names

روش اول J48 با استفاده از روش وکا پیاده سازی شده است.

روش دوم مورد استفاده متد نایو بیز  و یا بیز ساده می باشد.

امروزه کشف دانش و داده کاوی در زمینه های مختلفی کاربرد دارد. یکی از کاربردهایی که در سال های اخیر تحقیقات زیادی پیرامون آن انجام شده است، به کارگیری داده کاوی در تشخیص بیماری های مختلف می باشد. با توجه به اینکه سالانه میلیونها نفر در جهان به علت بیماری های قلبی عروقی جان خود را از دست می دهند در این تحقیق به بررسی تکنیک های مختلف دسته بندی در تشخیص بیماری های قلبی و تعیین بهترین روش دسته بندی پرداخته شده است. بدین منظور داده های موجود با استفاده از روشهای دسته بندی درخت تصمیم 84 j ، K نزدیکترین همسایه، بیز ساده و ماشین بردارپشتیبان SMO دسته بندی شدند و از لحاظ معیارهای ارزیابی کارایی مختلف مورد مقایسه قرار گرفتند. پس از بررسی نتایج، درخت تصمیم j48 به عنوان بهترین روش دسته بندی برای تشخیص بیماری قلبی بر روی دیتاست موجود شناخته شد.

پیش بینی بیماری های قلبی و عروقی با استفاده از تکنیک های داده کاوی با متلب  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.