ارزیابی کارایی تکنیکهای کلاسه بندی در داده های پزشکی

دراین مقاله کارایی تکنیکهای کلاسه بندی برروی شش مجموعه داده پزشکی موجود در مخزن داده دانشگاه کالیفرنیا با استفاده از نرم افزار داده کاوی WEKA تست و مورد بررسی و ارزیابی قرار می گیرند. این مطالعه به محققین کمک می کند تا بهترین تکنیک کلاسه بندی از نظر میزان دقت کلاسه بندی را برای مجموعه داده های پزشکی انتخاب نمایند. تکنیکهای کلاسه بندی معروفی که دراین مقاله مورد بررسی قرار میگیرند عبارتند از : بیزین ساده، شبکه های عصبی پرسپترون چند لایه، نزدیکترین K همسایه، Bagging، AdaBoost ، ماشینهای بردار پشتیبان ، PARTوJ48

کلیدواژه ها:

داده کاوی ، کلاسه بندی ، داده های پزشکی