Гибридная техника для ассоциативной клас

За последние несколько лет индустрия здравоохранения собирает огромные объемы медицинских данных, которые, к сожалению, не извлекаются, чтобы обнаружить скрытую информацию для принятия эффективных решений. Сегодня медицинские службы проделали огромный путь для лечения пациентов с различными заболеваниями. Среди самых смертельных - болезни сердца, которые не видны невооруженным глазом и наступают мгновенно. Смертность увеличилась из-за неправильных клинических решений. Для обеспечения надежного и экономически эффективного лечения можно разработать компьютерные информационные системы или системы поддержки принятия решений. Поиск данных обеспечивает решение для обнаружения знаний из этих больших и сложных баз данных. Работа автора включает в себя разработку фреймворка, основанного на методах ассоциативной классификации на наборе данных сердца. Реализация работы выполнена на наборе данных сердца из репозитория UCI Machine Learning Repository для тестирования и оценки на различных для получения лучших результатов. Экспериментальные результаты показывают, что большинство правил ассоциативной классификации помогают в наилучшем прогнозировании сердечных заболеваний и помогают в создании надежной системы поддержки принятия решений.