یافتن الگوریتم بهینه جهت پیش بینی و تشخیص بیماری دیابت با استفاده از روش های جمعی

امروزه در دانش پزشکی جمع آوری داده های فراوان در مورد بیماری های مختلف از اهمیت فراوانی برخوردار است. از سوی دیگر حجم مفید اطلاعات پزشکی که حتی با یک محدوده کوچک تشخیصی در ارتباط است، به قدری زیاد می باشد که تصمیم گیری سریع و دقیق را برای پزشک دشوار خواهد ساخت و هم چنین فناوری های مدرن روز به روز بر حجم این اطلاعات می افزایند و مساله را دشوارتر از پیش خواهند ساخت؛ به صورتی که پزشکان تاکنون با چنین حجم وسیعی از اطلاعات مواجه نشده بودند. مراکز پزشکی بامقاصد گوناگونی به جمع آوری این داده ها می پردازند. تحقیق روی این داده ها و به دست آوردن نتایج و الگوهای مفید در رابطه با بیماری ها، یکی از اهداف استفاده از این داده ها است. حجم زیاد این داده ها و سردرگمی حاصل از آن مشکلی است که مانع رسیدن به نتایج قابل توجه می شود. این متد پیشنهادی می تواند در پیش بینی و تشخیص بیماری دیابت کار ساز باشد. از آن جایی که در کارهای صورت گرفته پیشین عموما از روش های شبکه عصبی مصنوعی، درخت تصمیم (درخت رگراسیون)، c4.5، svm و ... استفاده شده است لذا در این مقاله داده های مربوط به بیماری دیابت توسط نگارنده جمع آوری شده و روش های پیشنهادی که بیش تر در قالب متدهای ensemble هستند بر روی این داده ها (دیتاست) با استفاده از نرم افزار رپیدماینر به مرحله اجرا، خروجی و در نهایت مقایسه بین روش ها خواهیم پرداخت.