مرضیه حکمی - کارشناسی ارشد گرایش نرم افزار، دانشکده فنی مهندسی، دانشگاه پیام نور ری، تهران، ایران
احمد فراهی - استادیار گروه مهندسی کامپیوتر و فناوری اطلاعات، دانشگاه پیام نور

تکنیک های داده کاوی می توانند به طور موفقیت آمیزی برای طبقه بندی بیماران دیابتی به کار روند. هدف از این مطالعه، مقایسه نزدیک ترین همسایه و ماشین بردار پیش بینی دیابت با استفاده از 9 مشخصه مشترک مجموعه داده ورودی PID است که به صورت منبع باز در دسترس می باشد. تکنیک های داده کاوی به کار رفتند و از لحاظ دقت، حساسیت و تخصیص مورد ارزیابی قرار گرفتند، الگوریتم ماشین بردار پشتیبان با دقت 77/34%، حساسیت 89/8% و تخصیص 5/41% بهترین مدل طبقه بندی شناخته شد. مقایسه و ارزیابی طبق نرم افزار WEKA و با روش K-fold Cross-Validation برای مد لهای پیشنهادی به کار گرفته شد.

داده کاوی، دیابت، پیش بینی، ابزار داده کاویWEKA