ارزیابی و مقایسه الگوریتم‌های داده‌کاوی برای پیش‌بینی ریسک حمله قلبی

Abstract

مقدمه: بیماری‌های قلبی‌عروقی از مهم‌ترین تهدیدهای سلامت انسان هستند و تشخیص زودهنگام ریسک حمله قلبی می‌تواند هزینه‌ها و عوارض درمانی را کاهش دهد. هدف این پژوهش، بررسی و مقایسه عملکرد الگوریتم‌های داده‌کاوی درخت تصمیم، جنگل تصادفی، نزدیک‌ترین همسایه (KNN) و بیز ساده در پیش‌بینی ریسک حمله قلبی است.

روش‌ها: از مجموعه داده‌ای واقعی از وب‌سایت Kaggle شامل 2999 رکورد و 19 ویژگی (سن، فشار خون، کلسترول، دیابت، سابقه خانوادگی و غیره) با برچسب «ریسک حمله قلبی» استفاده شد. پس از پیش‌پردازش (انتخاب ویژگی، تبدیل به دودویی، تعیین برچسب و نرمال‌سازی)، مدل‌سازی در نرم‌افزار RapidMiner و با تقسیم داده به 70 درصد آموزش و 30 درصد آزمون انجام شد و عملکرد مدل‌ها با شاخص دقت و منحنی ROC مقایسه گردید.

یافته‌ها: الگوریتم درخت تصمیم با دقت 63.78 درصد بهترین عملکرد را داشت و در منحنی ROC نیز به حالت ایده‌آل نزدیک‌تر بود. جنگل تصادفی با دقت 63.56 درصد و KNN با دقت 57.67 درصد در رتبه‌های بعدی قرار گرفتند. مدل بیز ساده نیز دقت 47.33درصد نشان دادکه ضعیف‌ترین عملکرد را در میان الگوریتم‌های بررسی‌شده نشان داد.

نتیجه‌گیری: الگوریتم درخت تصمیم نسبت به سایر مدل‌ها دقت و پایداری بالاتری در پیش‌بینی ریسک حمله قلبی داشت و به‌عنوان مناسب‌ترین مدل شناسایی شد. این نتایج می‌تواند در توسعه ابزارهای پشتیبان تصمیم پزشکی مورد استفاده قرار گیرد.