شیدا آردم، فرهاد سلیمانیان قره چپق،
جلد ۲۲، شماره ۱ - ( ۱-۱۳۹۸ )
چکیده
مقدمه: بیماری کبدی یکی از بیماری‌های شایع و خطرناک می‌باشد و تشخیص بهموقع این بیماری می‌تواند در پیشگیری از عوارض، کنترل و درمان بیماری بسیار موثر باشد. هدف پژوهش حاضر بهبود الگوریتم آدابوست با الگوریتم کرم شب‌تاب برای تشخیص بیماری کبد می‌باشد.
روش ها: مطالعه حاضر، از نوع توصیفی-تحلیلی می‌باشد. مجموعه داده آن شامل ۵۸۳ رکورد مستقل شامل ۱۰ ویژگی موجود در مجموعه داده یادگیری ماشین دانشگاه کالیفرنیا، ایروین ((UCI) University of California, Irvine) می‌باشد. در این مقاله از ترکیب الگوریتم آدابوست و کرم شب‌تاب در راستای افزایش کارایی تشخیص بیماری کبد استفاده شده است. از ۸۰ درصد داده‌ها جهت آموزش و از ۲۰ درصد باقی‌مانده جهت آزمون استفاده شده است که این مبنا توسط ارزیابی‌های مختلف انتخاب شده است.
یافته ها: نتایج نشان داد که عملکرد مدل ترکیبی با انتخاب ویژگی در مقایسه با حالت بدون انتخاب ویژگی بهتر است. البته انتخاب ویژگی‌های مهم در عملکرد مدل ترکیبی موثر هستند. درصد صحت (accuracy) مدل ترکیبی با پنج ویژگی در بهترین حالت برابر با ۶/۹۸ درصد و درحالت کلی و با تمام ویژگی‌ها برابر با ۱/۹۴ درصد است. در مقایسه کلی، مدل ترکیبی در مقایسه با اغلب مدل‌های داده کاوی از درصد صحت بیشتری برخوردار است.
نتیجه‌گیری: با توجه به نتایج به دست آمده مطالعه حاضر، مدل ترکیبی در تشخیص و طبقه‌بندی افراد سالم و ناسالم می‌تواند نقش مؤثری در کمک به پزشکان داشته باشد و در مراکز پزشکی برای بالا بردن دقت، سرعت و کاهش هزینه‌ها می‌توان از این مدل استفاده نمود. نمی‌توان ادعا کرد که مدل ترکیبی در مقایسه با کل مدل‌ها بهتر است اما در مقایسه با بیشتر مدل‌ها دارای درصد صحت بیشتری است.
