نیره علیجانی - دانشجوی کارشناسی ارشد دانشگاه آزاد اسلامی واحد تهران جنوب
علی هارون آبادی - عضو هیئت علمی دانشگاه آزاد اسلامی واحد تهران مرکز

در دهه ی اخیر، با تحقق کامل چشم اندازهای اینترنت اشیاءو ازدیاد دستگاه های هوشمند و ارتباط آنها با همدیگر، انتظار می رود کهاشخاص در آینده ای نزدیک در مواجهه با حجم انبوهی از سرویس ها قرارگیرند. سرویس های موجود بسیار زیاد شده و دسترسی به یک سرویس موردنیاز خود به یک چالش بزرگ تبدیل شود. سیستم های توصیه گر می توانند درهر لحظه، از بین این همه سرویس، بر اساس نیاز کاربر، سرویس مناسب راپیشنهاد دهند و انتخاب مناسبی برای این چالش باشند. همچنینالگوریتم های یادگیری ماشین به ابزار مفیدی جهت داده کاوی در داده هایپزشکی برای تولید مدل های پیش بینی تبدیل شده اند. در این مطالعهالگوریتم درخت تصمیم بر روی داده های 4 مرکز درمانی اعمال گردید. سپسمعیارهای ارزیابی کارایی برای داده های تست، محاسبه و مقایسه شدند.تحلیل نتایج این مطالعه و مطالعات مشابه نشان می دهند که الگوریتم هاییادگیری ماشین نسبت به روش های آماری منجر به تولید مدل هایدقیق تری می شوند. بسته به ماهیت و میزان داده ها و همچنین جامعه یپژوهش، الگوریتم های مختلف یادگیری ماشین، رفتارهای متفاوتی دارند کهبه نظر می رسد دقت مدل درخت تصمیم از سایر مدل ها بیشتر است. نتایجنشان داد الگوریتم درخت تصمیم منجر به بهبود 4 درصدی نسبت به مدلشبکه عصبی مصنوعی شد.

نترنت اشیاء، پیش بینی بیماری های قلبی-عروقی، درخت تصمیم، سیستم های توصیه گر، منطق فازی