دوره 21، شماره 2 - ( 4-1400 )
جلد 21 شماره 2 صفحات 100-92 |
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:
Moshrefzadeh S, Ravaei B, Kozegar E. Diagnosis of Diabetes Using a Random Forest Algorithm. ijdld 2021; 21 (2) :92-100
URL: http://ijdld.tums.ac.ir/article-1-6034-fa.html
URL: http://ijdld.tums.ac.ir/article-1-6034-fa.html
مشرف زاده صادق، روایی بهمن، کوزه گر احسان اله. تشخیص بیماری دیابت با استفاده از الگوریتم جنگل تصادفی. مجله دیابت و متابولیسم ایران. 1400; 21 (2) :92-100
1- گروه کامپیوتر، دانشکدهی فنی و مهندسی ، sadeghmoshrefzadeh@yahoo.com
2- گروه کامپیوتر، دانشکدهی فنی و مهندسی
3- گروه کامپیوتر، دانشکدهی فنی و مهندسی
2- گروه کامپیوتر، دانشکدهی فنی و مهندسی
3- گروه کامپیوتر، دانشکدهی فنی و مهندسی
چکیده: (1856 مشاهده)
مقدمه: 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.
روش‌ها: 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.
یافته‌ها: با استفاده از این الگوریتم توانستیم میزان دقت تشخیص بیماری دیابت را به 86/99 % افزایش دهیم.
نتیجه‌گیری: 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.
روش‌ها: 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.
یافته‌ها: با استفاده از این الگوریتم توانستیم میزان دقت تشخیص بیماری دیابت را به 86/99 % افزایش دهیم.
نتیجه‌گیری: 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.
ارسال پیام به نویسنده مسئول
| بازنشر اطلاعات | |
 |
این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است. |
