ترجمه تخصصی ارزان مقاله پیش بینی دیابت با استفاده از الگوریتم طبقه‌بندی (الزویر 2018)

ارسال توسط وب‌رویا در 2018, الزویر Elsevier, انفورماتیک پزشکی, پزشکی, پژوهشی, ترجمه آماده, داده کاوی, داده کاوی در پزشکی, فناوری اطلاعات و کامپیوتر, هوش مصنوعی, هوش مصنوعی در پزشکی

ترجمه تخصصی ارزان مقاله پیش بینی دیابت با استفاده از الگوریتم طبقه‌بندی (الزویر 2018)

ترجمه فارسی چکیده مقاله:

دیابت یکی از بیماری‌های کشنده و مزمن است که باعث افزایش قند خون می‌شود. در صورت عدم درمان و شناسایی این بیماری، عوارض جبران‌ناپذیری رخ می‌دهد. فرآیند شناسایی خسته‌کننده دیابت منجربه مراجعه بیمار به یک مرکز تشخیصی، و مشاوره با پزشک می‌شود. اما افزایش رویکردهای یادگیری ماشینی این مشکل اساسی را حل می‌کند. انگیزه این مطالعه طراحی مدلی است که بتواند احتمال وجود دیابت را در بیماران با حداکثر میزان دقت پیش‌بینی کند. بنابراین در این آزمایش از سه الگوریتم طبقه‌بندی یادگیری ماشین یعنی درخت تصمیم[1]، SVM[2] و Naive Bayes [3] برای تشخیص دیابت در مراحل اولیه استفاده می‌شود. آزمایشاتی که در پایگاه داده دیابت Pima Indians (PIDD) انجام می‌شود از مخزن یادگیری ماشین UCI تهیه شده است. عملکرد هر سه الگوریتم با معیارهای مختلفی مانندPrecision[4] ،Accuracy ، معیار فیشر[5] و بازیابی[6] ارزیابی می‌شود. میزان دقت بیشتر از نمونه‌های طبقه‌بندی شده صحیح و نادرست اندازه‌گیری می‌شود. نتایج به‌دست آمده نشان می‌دهد که Naive Bayes با بالاترین دقت 76.30٪ نسبت به الگوریتم‌های دیگر عملکرد بهتری دارد. این نتایج با استفاده از منحنی‌های گیرنده عامل مشخصه (ROC[7]) با روشی مناسب و منظم تأیید می‌شوند.

کلمات کلیدی: دیابت، SVM، Naive Bayes، درخت تصمیم، دقت، یادگیری ماشین.

[1] Decision Tree

[2] Support vector machines یکی از روش‌های یادگیری بانظارت است که از آن برای طبقه‌بندی و رگرسیون استفاده می‌کنند.

[3] روش بیز روشی برای دسته‌بندی پدیده‌ها، بر پایه احتمال وقوع یا عدم وقوع یک پدیده‌است. این روش از ساده‌ترین الگوریتم‌های پیش‌بینی است که دقت قابل قبولی هم دارد.

[4] در زبان علمی، دقت با واژه انگلیسی Accuracy به توانایی در برخورد با هدف اشاره دارد. این درحالی است که دقت با واژه انگلیسی Precision به‌صورت توانایی در تکرارپذیری نتیجه تعریف می‌شود. با نیم نگاهی به علم اندازه‌گیری، می‌توان تعاریف ساده‌تری برای این دو مفهوم به‌دست آورد: به این ترتیب می‌توان گفت Accuracy به‌صورت میزان توافق مقدار اندازه گیری شده با مقدار واقعی تعریف می‌شود؛ اما در مقابل، درجه تکرارپذیری نتایج طی اندازه‌گیری‌های متوالی را Precision می‌نامند.

[5] F-Measure

[6] Recall

[7] Receiver Operating Characteristic

 

 

عنوان مقاله انگلیسی:

Prediction of Diabetes using Classification Algorithms

چکیده مقاله انگلیسی:

Diabetes is considered as one of the deadliest and chronic diseases which causes an increase in blood sugar. Many complications occur if diabetes remains untreated and unidentified. The tedious identifying process results in visiting of a patient to a diagnostic center and consulting doctor. But the rise in machine learning approaches solves this critical problem. The motive of this study is to design a model which can prognosticate the likelihood of diabetes in patients with maximum accuracy. Therefore three machine learning classification algorithms namely Decision Tree, SVM and Naive Bayes are used in this experiment to detect diabetes at an early stage. Experiments are performed on Pima Indians Diabetes Database (PIDD) which is sourced from UCI machine learning repository. The performances of all the three algorithms are evaluated on various measures like Precision, Accuracy, F-Measure, and Recall. Accuracy is measured over correctly and incorrectly classified instances. Results obtained show Naive Bayes outperforms with the highest accuracy of 76.30% comparatively other algorithms. These results are verified using Receiver Operating Characteristic (ROC) curves in a proper and systematic manner.

Keywords: Diabetes; SVM; Naive Byes; Decision Tree; Accuracy; Machine Learning ;

 

مشخصات فایل مقاله انگلیسی (اصلی)

تعداد صفحات مقاله: 8

تاریخ انتشار مقاله: 2018

نشریه: الزویر Elsevier/ ساینس دایرکت ScienceDirect

Procedia Computer Science

فرمت فایل: pdf

حجم فایل: 701KB

لینک دانلود رایگان مقاله انگلیسی:

مقاله اصلی انگلیسی پیش بینی دیابت با استفاده از الگوریتم طبقه بندی

 

مشخصات فایل‌های ترجمه تخصصی ارزان مقاله (فارسی)

تعداد صفحات فایل pdf ترجمه: 12

تعداد صفحات فایل word ترجمه: 12

حجم فایل pdf ترجمه: 390/136KB

حجم فایل word ترجمه: 686/080KB

حجم فایل فشرده ترجمه (فایل زیپ): 766KB

زبان ترجمه: فارسی

ترجمه تصاویر: ندارد

ترجمه زیرنویس تصاویر: دارد

ترجمه جداول: ندارد

ترجمه زیرنویس جداول: دارد

فونت فارسی ترجمه: BTitr و BNazanin

فایل‌های قابل دانلود پس از پرداخت: فایل فشرده شامل فایل word و فایل pdf ترجمه

 

9000 تومان – خرید ترجمه

 

تصاویر بخشی از ترجمه فارسی مقاله:

ترجمه تخصصی ارزان وب رویاترجمه ارزان وب رویا

 

جهت بهبود خدمات ترجمه، ما را از نظرات ارزشمند خود درباره این ترجمه آگاه سازید

ارسال دیدگاه