ارزیابی عملکرد الگوریتم‌های یادگیری ماشین در پیش بینی احتمال وقوع دیابت در جمعیت زنان هندی پیما

بیماری دیابت و عوارض ناشی از آن بیماری از جمله مشکلاتی است، که بسیاری از مردم جهان به علت سبک زندگی مدرن از آن رنج می‌برند. محققان و دانشمندان‌ همواره تلاش کرده‌اند با روش‌های گوناگون یتوانند احتمال ابتلا افراد به دیابت را پیش‌بینی کنند تا از عوارض زیان‌بار ناشی از دیابت در افراد بکاهند در این پژوهش تلاش کردیم با استفاده از داده‌های بالینی زنان بالای 21 سال در مجموعه داده‌ی هندی پیما، بهترین الگوریتم یادگیری ماشین را جهت پیش‌بینی بیماری دیابت نوع دو ارائه دهیم. الگوریتم‌هایی که در این پژوهش مورد بررسی قرار گرفت، شامل: کا-نزدیک‌ترین همسایه، ماشین بردار پشتیبان، درخت تصمیم‌گیری، بیز ساده، رگرسیون لاجستیک و شبکه عصبی است. در نتیجه مشاهده نمودیم که لاجستیک رگرسیون و ماشین بردار پشتیبان به ترتیب با صحت‌های 79.5و 77.9 درصد نسبت به سایر الگوریتم‌ها عملکرد بهتری در پیش‌بینی دیابت نوع 2 دارد.

evaluating the performance of machine learning algorithms in predicting the probability of diabetes occurrence in the population of pima indian women

diabetes and its complications are among the problems many worldwide suffer from due to the modern lifestyle. researchers and scientists have always examined various methods to predict the probability of diabetes to reduce the harmful effects of diabetes on individuals. in this research, we tried to provide an effective machine learning algorithm for predicting type 2 diabetes by using the clinical data of women over 21 years old in the pima indian dataset. algorithms that were investigated in this research include: k-nearest neighbor, support vector machine, decision tree, naive bayes, logistic regression and artificial neural network. we found that logistic regression and support vector machine outperformed the other algorithms in predicting type 2 diabetes with accuracy an of 79.5% and 77.9% respectively.