ایجاد مدل برای تشخیص بیماری مزمن کلیه با استفاده از الگوریتم‌های ماشین بردار پشتیبان، جنگل و درخت تصمیم

امروزه بیماری مزمن کلیه یکی از مهم‌ترین بیماری‌های رایج بین افراد جامعه بخصوص بزرگسالان است. این بیماری در واقع نوعی مرگ خاموش محسوب می‌شود زیرا این بیماری از دسته بیماری‌های مزمن است و یک‌باره فرد به این بیماری مبتلا نمی‌شود و ممکن است، سال‌های سال مبتلا به این بیماری باشد بدون اینکه کوچک‌ترین علائمی از خود نشان دهد و زمانی علائم خود را بروز دهد که به بدترین وضعیت بیماری برسد و منجر به خطر افتادن جان بیمار یا صرف هزینه‌های بسیاری برای دیالیز یا پیوند کلیه‌های بیمار شود. هدف این پژوهش ارائه مدل هوشمند برای کمک به شناسایی و تشخیص بیماری کلیه با استفاده از روش‌ها و الگوریتم‌های یادگیری ماشین و داده‌کاوی برروی مجموعه داده کلیه دانشگاه کلیولند کالیفرنیا است. در این تحقیق برای ساخت مدل‌ پیش‌بینی در ابتدا مجموعه داده اصلی را به دو مجموعه داده آموزش/ ارزیابی و مجموعه داده آزمایش تقسیم کردیم. به کمک مجموعه داده آموزش/ارزیابی با استفاده از روش اعتبار سنجی متقابل 10-fold و الگوریتم‌های درخت تصمیم، جنگل تصادفی و ماشین بردار پشتیبان مدل را ایجاد کرده و دقت نهایی مدل در این پژوهش را به کمک مجموعه داده آزمایش ارزیابی کرده‌ایم. در انتها نتایج بدست آمده با الگوریتم‌های جنگل تصادفی و ماشین بردار پشتیبان با دقت‌های 98.89% بالاترین دقت را دراین پژوهش حاصل کرده است.