|
Title
|
تشخیص بیماری مزمن کلیوی با استفاده از یادگیرنده های گروهی و انتخاب ویژگی های مؤثر مبتنی بر الگوریتم بهینه سازی تبادل حرارتی
|
|
Type of Research
|
Presentation
|
|
Keywords
|
الگوریتم فراابتکاری، انتخاب ویژگی، بیماری مزمن کلیوی، یادگیری گروهی
|
|
Abstract
|
در این پژوهش، یک سامانه هوشمند برای تشخیص بیماری مزمن کلیوی با استفاده از روش های یادگیری ماشین پیاده سازی و ارزیابی می شود. این سامانه با ترکیب یادگیرنده های گروهی و انتخاب ویژگی های مؤثر مبتنی بر یک الگوریتم فراابتکاری ساخته شده است. ابتدا، پیش پردازش داده ها انجام می شود و سپس الگوریتم بهینه سازی تبادل حرارتی برای انتخاب ویژگی های مهم به کار گرفته می شود. در نهایت، طبقه بندی داده ها با ترکیب پنج روش طبقه بندی، شامل درخت تصمیم، جنگل تصادفی، ماشین بردار پشتیبان، XGBoost و K- نزدیک ترین همسایه، انجام می شود تا دقت تشخیص به حداکثر برسد. نتایج نشان می دهد روش پیشنهادی در مجموعه داده UCI، در چهار معیار دقت، صحت، بازیابی و F1 به مقدار 100 درصد دست می یابد و برتری قابل توجهی نسبت به پژوهش های پیشین دارد. در مجموعه داده Kaggle، روش پیشنهادی با دقت 16/92 درصد، معیار F1 برابر با 07/96 درصد، صحت 44/92 درصد و بازیابی 100 درصد عملکردی رقابتی و نزدیک به بهترین نتایج ثبت شده در پژوهش های پیشین ارائه می دهد.
|
|
Researchers
|
(First Researcher)، Mahdi Hashemzadeh (Second Researcher)، Amin Golzari Oskouei (Third Researcher)
|