ارایه روشی جهت افزایش دقت پیش بینی و تشخیص بیماری دیابت با ترکیب الگوریتم های بگینگ و رگرسیون لجستیک

توجه : به همراه فایل word این محصول فایل پاورپوینت (PowerPoint) و اسلاید های آن به صورت هدیه ارائه خواهد شد

 ارایه روشی جهت افزایش دقت پیش بینی و تشخیص بیماری دیابت با ترکیب الگوریتم های بگینگ و رگرسیون لجستیک دارای ۱۰ صفحه می باشد و دارای تنظیمات در microsoft word می باشد و آماده پرینت یا چاپ است

فایل ورد ارایه روشی جهت افزایش دقت پیش بینی و تشخیص بیماری دیابت با ترکیب الگوریتم های بگینگ و رگرسیون لجستیک  کاملا فرمت بندی و تنظیم شده در استاندارد دانشگاه  و مراکز دولتی می باشد.

توجه : در صورت  مشاهده  بهم ریختگی احتمالی در متون زیر ،دلیل ان کپی کردن این مطالب از داخل فایل ورد می باشد و در فایل اصلی ارایه روشی جهت افزایش دقت پیش بینی و تشخیص بیماری دیابت با ترکیب الگوریتم های بگینگ و رگرسیون لجستیک،به هیچ وجه بهم ریختگی وجود ندارد

بخشی از متن ارایه روشی جهت افزایش دقت پیش بینی و تشخیص بیماری دیابت با ترکیب الگوریتم های بگینگ و رگرسیون لجستیک :

تعداد صفحات :۱۰

چکیده مقاله:

امروزه بیماری دیابت یکی از خطرناک ترین بیماری ها در سطح جهان است که سالانه طیف گسترده ای از افراد در سراسر دنیا به آن مبتلا می شوند. متاسفانه در کشور ما عواملی همچون تغذیه نامناسب، کیفیت پایین مواد غذایی، افزایش وزن، مصرف مواد مخدر، آلودگی هوا و بی تحرکی افراد سبب شده که تعداد افراد مبتلا به دیابت افزایش یابد و پیش بینی می-شود که این روند در سال های آینده نیز بیشتر شود. تشخیص دیر هنگام این بیماری سبب بروز بیماری های دیگری همچون رتینوپاتی دیابتی، بیماری های قلبی و عروقی و بیماری های مزمن کلیوی می شود، همین امر باعث می شود که روند درمان و بهبود افراد دشوارتر و پرهزینه تر شود. در این راستا تحقیقات متنوعی ارایه شده است که یکی از این راهکارها استفاده از الگوریتم ها و روش های دسته بندی می باشد، که هدف آن بالا بردن دقت دسته بندی و رسیدن به کارایی مطلوب می باشد. در این تحقیق از روش دسته بندی گروهی استفاده شده است، که بر روی ترکیب خروجی الگوریتم های ماشین بردار پشتیبان رگرسیون لجستیک با استفاده از تکنیک دسته بندی بگینگ عمل می کند. این روش پیشنهادی بر روی مجموعه داده بیماران رتینوپاتی دیابتی واقع در وزارت بهداشت ایالت متحده آمریکا، برای ارزیابی مورد استفاده قرار گرفته است. نتایج بدست آمده نشان دهنده کارایی بالای روش پیشنهادی، با دقت ۸۵.۲۶%، میانگین صحت ۸۵.۲۶% ، میانگین فراخونی ۸۴.۹۳%، خطای دسته بندی ۹.۳% و معیار کاپا ۰.۷۰۱می باشد.