مدلسازی تشخیص بیماری دیابت با استفاده از طبقه بندی داده ها و بررسی کاربردها و تکنیک های داده کاوی

چکیده مقاله

ما در دنیایی زندگی می کنیم که روزانه حجم وسیعی از داده ها تولید می شود یکی از مهمترین مسایل، تحلیل داده های حجیم است داده کاوی با استفاده از ابزارهایی، کشف و استخراج دانش از داده ها را انجام می دهد داده کاوی فرایندی است که با استفاده ازروشهای هوشمند به استخراج الگوها در میان داده ها می پردازد سپس می توان براساس الگوهای به دست آمده تصمیم گیری نمود یکی از کاربردهای مهم داده کاوی، استفاده در علم پزشکی است که می توان براساس اطلاعات بیماران قبلی مدلی ساخت که بتواندبیماری افراد را پیش بینی نماید در این تحقیق به کاربردها و تکنیک های داده کاوی اشاره شده است همچنین از مجموعه داده های pima مربوط به بیماران دیابتیاستفاده شده است و براساس تکنیک طبقه بندی داده ها و با کمک داده کاوی مدلی برای پیش بینی و تشخیص بیماری دیابت ایجادنموده ایم لازم به ذکر است برای ارزیابی مدل ساخته شده از ابزار Rapid Miner استفاده شده است

کلیدواژه‌ها

نویسندگان

نسیم نیک بخش

دانشجوی دکتری رشته مهندسی سیستم های نرم افزاری، دانشگاه آزاد اسلامی، واحد اصفهان خوراسگان ، اصفهان، ایران

غلامرضا دهقانی

دانشجوی دکتری رشته مهندسی سیستم های نرم افزاری، دانشگاه آزاد اسلامی، واحد اصفهان خوراسگان ، اصفهان، ایران

فرساد زمانی

عضو هیات علمی گروه کامپیوتر، دانشگاه آزاد اسلامی، واحد اصفهان خوراسگان ، اصفهان، ایران

نیک بخش، نسیم و دهقانی، غلامرضا و زمانی، فرساد،1395،مدلسازی تشخیص بیماری دیابت با استفاده از طبقه بندی داده ها و بررسی کاربردها و تکنیک های داده کاوی،کنفرانس بین المللی مهندسی و علوم کامپیوتر،نجف آباد

ارائه‌شده در

مجموعه مقالات کنفرانس بین المللی مهندسی و علوم کامپیوتر3 اسفند 1395 · نجف آباد