بهبود تشخیص بیماری دیابت نوع دو و شناسایی شاخص های موثر در آن با رویکرد انتخاب ویژگی

دیابت نوع دو یکی از بیماری های مزمن می باشد که تا کنون درمان قطعی برای آن پیشنهاد نشده است. اما در سال های اخیر با استفاده از الگوریتم های یادگیری ماشین، رویکردهای نسبتا مطلوبی برای تشخیص آن معرفی شده است. در این مقاله با بکارگیری متدهای یادگیری ماشین رویکردی مبتنی بر انتخاب ویژگی برای تشخیص بیماری دیابت نوع ۲ پیشنهاد شده است. در این راستا انتخاب زیرمجموعه بهینه ای از ویژگی ها به عنوان یک مساله بهینه سازی در نظر گرفته شده و برای حل آن از الگوریتم بهینه سازی ملخ استفاده شده است. در همین راستا پس از تهیه مجموعه داده پژوهش ( Pima-Indians-diabetes )، اقدامات پیش پردازشی و نرمال سازی روی آن انجام گرفت. در ادامه SVM با زیرمجوعه بهینه ای از ویژگی ها آموزش داده شده تا با بهره گیری از رویکرد یادگیریماشین، بیماری دیابت تشخیص داده شود. بررسی یافته ها نشان می دهد کمترین دقت در تشخیص بیماری دیابت ۴ / ۷۷ درصد و بیشترین مقدار نیز ۷ / ۸۲ درصد می باشد. این در حالی است که میانگین دقت های تشخیص نیز ۸ / ۸۱ درصد می باشد. همچنین از بین ویژگی های مندرج در مجموعه داده پژوهش چهار ویژگی دفعات بارداری، میزان گلوکز، شاخص BMI و سن بیشترین تاثیر را در فرآیند تشخیص دارند.