پیش بینی حملات قلبی با استفاده از تکنیک های داده کاوی

بیماری های قلبی و عروقی سالانه موجب مرگ و میر صدها هزار نفر از انسان ها در سراسر دنیا می شوند. البته درصد ابتلای افراد به این بیماری در نقاط مختلف دنیا متفاوت می باشد. این موضوع موجب عدم توازن بین رکوردهای موجود از افراد سالم و دارای بیماری قلبی در مجموعه داده های موجود به منظور تشخیص این بیماری می شود. این عدم توازن موجب کاهش دقت برخی از روش های داده کاوی در تشخیص این نوع بیماران می گردد. هدف این تحقیق تغییر توازن در مجموعه داده های واقعی موجود از این بیماران به منظور بررسی و ارزیابی دقت روش های رده بندی می باشد. بدین ترتیب شش مجموعه داده مختلف با استفاده از روش زیر نمونه گیری از روی یک مجموعه داده مربوط به افراد سالم و دارای بیماری قلبی تهیه گردید که در آن تعداد رده های اقلیت (مربوط به بیماران) به ترتیب 5، 10، 15، 20، 30 و 45 درصد کل رکوردهای موجود می باشد. سپس با استفاده از 10 دسته اعتباردهی به داده ها 25 مدل رده بندی بر روی هر شش مجموعه داده اعمال گردید. روش های پایه مورد استفاده در این تحقیق عبارتند از: بیز ساده، درخت تصمیم، رگرسیون لجستیک، شبکه های عصبی مصنوعی، ماشین بردار پشتیبان و ماشین بردار پشتیبان بهینه شده و همچنین روش های جمعی مورد استفاده عبارتند از: درخت تصادفی، بگینگ، بوستینگ و شبه فضای تصادفی. در نهایت پس از مدلسازی مشخص شد که روش های ماشین های بردار پشتیبان و مدل بهینه آن از سایر روش های بر اساس سه شاخص دقت، خطای نوع دوم و شاخص f بهترین عملکرد و روش بگینگ شبکه های عصبی بدترین عملکرد را دارند. همچنین در انتها با استفاده از آزمون t نیز معنی داری این تفاوت مشخص گردید.