طراحي الگوريتم مبتني بر داده‌كاوي به‌منظور پيش‌بيني ديابت

مقدمه: ديابت سالانه باعث مرگ‌ومير فراواني مي‌شود و تعداد افراد زيادي كه به اين بيماري مبتلا هستند به اندازه‌ي كافي وضعيت سلامت خود را درك نمي‌كنند. اين مطالعه يك مدل مبتني بر داده‌كاوي به‌منظور تشخيص و پيش‌بيني زودهنگام ديابت پيشنهاد مي‌كند. روش‌ها: با وجود اينكه تكنيك كا-ميانه ساده است و مي‌توان آن را براي طيف گسترده‌اي از انواع داده‌ها استفاده كرد، اما نسبت به موقعيت‌هاي اوليه مراكز خوشه كه نتيجه‌ي نهايي خوشه را تعيين مي‌كنند بسيار حساس است، به‌طوري‌كه يا يك مجموعه داده‌ي خوشه‌بندي شده مناسب و كارا را براي مدل رگرسيون لجستيك فراهم مي‌كند و يا مقدار كمتري داده را در نتيجه‌ي خوشه‌بندي ناصحيح مجموعه داده‌ي اصلي ارائه مي‌دهد. از اين‌رو، عملكرد مدل رگرسيون لجستيك را محدود مي‌كند. هدف اصلي اين مقاله تعيين راه‌هاي بهبود خوشه‌بندي كا-ميانه و نتيجه‌ي دقت رگرسيون لجستيك است. از اين‌رو، الگوريتم پيشنهادي شامل تكنيك‌هاي تحليل مؤلفه‌هاي اصلي، كا-ميانه و مدل رگرسيون لجستيك است. يافته‌ها: نتايج به‌دست‌آمده از اين مطالعه نشان مي‌دهد كه توانايي به‌دست آوردن نتيجه‌ دقت خوشه‌بندي كا-ميانه بسيار بالاتر از آن چيزي است كه ساير محققان در مطالعات مشابه به‌دست آورده‌اند. همچنين در مقايسه با نتايج به‌دست‌آمده از ساير الگوريتم‌ها، مدل رگرسيون لجستيك در سطح بهبود يافته‌اي در پيش‌بيني شروع ديابت اجرا شد. مزيت واقعي ديگر اين است كه الگوريتم پيشنهادي توانست با موفقيت يك مجموعه داده‌ي جديد را مدل كند. نتيجه‌گيري: به‌طور كلي، رويكرد پيشنهادي مي‌تواند به شكل تأثيرگذاري در پيش‌بيني و تشخيص زودهنگام ديابت استفاده شود.