نجمه هادیان - دانشکده فنی و مهندسی ، دانشگاه آزاد اسلامی واحد ساوه ، ساوه ، ایران
رضا احسن - دانشکده فنی و مهندسی ، دانشگاه آزاد اسلامی واحدقم ، قم ، ایران
اسماعیل شریعت - دانشکده فنی و مهندسی ، دانشگاه آزاد اسلامی واحد ساوه ، ساوه ، ایران

تجزیه و تحلیل داده ها و داده های بزرگ امروزه در پژوهش های صنعتی، تحقیقات دانشگاهی، صنعت و غیره بسیار مورد استفاده قرارمی گیرد که استفاده از تکنیک های داده کاوی، کاوش برروی داده و شناخت داده ها را برای ما بسیار آسان کرده است. آنچه همواره برایمحققان عرصه دادهکاوی حایز اهمیت بوده ایجاد روش هایی جهت استخراج دانش از مجموعه دادهای بیماری ها برای به دست آوردناطلاعات و ابزار نوین می باشد. سرطان ریه از جمله سرطان های شایع است که دیر آگاهی از آن سبب فوت می شود و اگر بتوان بقای اینسرطان را پیش بینی کرد، می توان جان افراد زیادی را نجات داد. هدف از این تحقیق کشف ارتباطات و الگوها با استفاده از داده های بالینیدر داده کاوی هست که می تواند در پیش بینی بقای بیماران مبتلا به سرطان ریه مورد استفاده قرار گیرد. این تحقیق از داده های پزشکی کهدر ارتباط با این بیماری توسط سایت SEER طی سالها جمع آوری شده است، استفاده می کند. ویژگی ها با استفاده از سه الگوریتم داده کاوی درخت تصمیم، نایو بیز و k نزدیکترین همسایه مورد بررسی قرار می گیرند و میزان تاثیر هر ویژگی در پیش آگهی بقای بیمارانسرطان ریه مورد مطالعه قرار می گیرد. لذا در این تحقیق با استفاده از تکنیک های مختلف طبقه بندی در داده کاوی سعی بر این داریم کهبهترین دقت و پیش بینی را در بیماریهای سرطانی داشته باشیم. نتایج آزمایش ها نشان می دهد بالاترین دقت مربوط به الگوریتم درختتصمیم می باشد.

داده کاوی، الگوریتم درخت تصمیم، الگوریتم نایو بیز، الگوریتم k نزدیکترین همسایه، سرطان ریه