تحلیل کلان داده در حوزه سلامت با استفاده از داده کاوی

کلان داده، گردآوری دادههای بسیار زیادی است که از منابع مختلف به دست می آورند. در سالهای اخیر در حوزه کسب وکار بهداشت ودرمان، تجزیه و تحلیل دادههای حجیم و پر سر و صدا برای به دست آوردن اطلاعات مهم، امری ضروری است. در سیستم بهداشت و درمان، هدف از این کار ، ارزیابی پایگاه داده پزشکی بیماران دیابتی توسط ترکیبی از شبکه تصمیمگیری سلسله مراتبی نوآورانه، قوانین وابستگی )AR(وطبقه بندی برون رده چندطبقه ای با چارچوب نگاشت کاهش میباشد. الگوریتم قانون وابستگی در چارچوب نگاشت کاهش، داده های سلامت را برای ایجاد مقررات در نظر میگیرد. از این روش برای کشف ارتباط بین بیماری و علائم آنها استفاده میشود. این بررسی با استفاده از مجموعه داده های یادگیری ماشینی UCI از دیابت شامل ۵۰ ویژگی انجام میشود. نتایج الگوریتم پیشنهادی توسط پارامترهای دقت، صحت، یادآوری و F - score ارائه شدهاست.