پردیس چوبینه - دانشجو دانشگاه آزاد اسلامی واحد بوشهر
محسن غلامی - دانشجو دانشگاه آزاد اسلامی واحد بوشهر
حسین مومنزاده - استادیار، دانشگاه آزاد بوشهر، گروه برق بوشهر، ایران

با پیشرفت تکنولوژی هر روز شاهد تولید حجم بسیار زیادی از انواع داده ها هستیم. امروزه مدیریت این حجم انبوه داده با استفاده از داده کاوی امکان پذیر شده است. داده کاوی پزشکی سعی در تشخیص و پیش بینی انواع بیماری ها دارد. از داده کاوی پزشکی در سیستم های دستیار پزشکی جهت کمک به پزشکان استفاده می شود. در این تحقیق سعی شده است با مدل سازی دقت انواع مختلفی از الگوریتم های داده کاوی جهت پیش بینی وضعیت بیماران دیابتی و دیسک کمر مقایسه گردد. در نهایت با استفاده از الگوریتم های آدابوست و بگینگ به تقویت این الگوریتم ها پرداختیم که ترکیب الگوریتم bagging با RIPPER با دقت 73.74% در پیش بینی بیماران دیابتی و ترکیب الگوریتم adaboost با RIPPER با دقت 84.95% در تشخیص بیماری دیسک کمر عملکرد بهتری از خود نشان می دهد

داده کاوی، الگوریتم های منفرد، RIPPER ، Bagging ، adaboost