ارزیابی عملکرد الگوریتم های یادگیری ماشین در پیش بینی احتمال وقوع دیابت در جمعیت زنان هندی پیما

بیماری دیابت و عوارض ناشی از آن بیماری از جمله مشکلاتی است ، که بسیاری از مردم جهان به علت سبک زندگی مدرن از آن رنج می برند. محققان و دانشمندان همواره تلاش کرده اند با روشهای گوناگون یتوانند احتمال ابتلا افراد به دیابت را پیش بینی کنند تا از عوارض زیانبار ناشی از دیابت در افراد بکاهند در این پژوهش تلاش کردیم با استفاده از دادههای بالینی زنان بالای ۲۱ سال در مجموعه دادهی هندی پیما، بهترین الگوریتم یادگیری ماشین را جهت پیش بینی بیماری دیابت نوع دو ارائه دهیم . الگوریتم هایی که در این پژوهش مورد بررسی قرار گرفت ، شامل : کا-نزدیک ترین همسایه ، ماشین بردار پشتیبان، درخت تصمیم گیری، بیز ساده، رگرسیون لاجستیک و شبکه عصبی است . در نتیجه مشاهده نمودیم که لاجستیک رگرسیون و ماشین بردار پشتیبان به ترتیب با صحت های ۵.۷۹و ۹.۷۷ درصد نسبت به سایر الگوریتم ها عملکرد بهتری در پیش بینی دیابت نوع ۲ دارد