تشخیص اولیه بیماری پارکینسون با استفاده از الگوریتم های داده کاوی

بیماری پارکینسون اختلالی است که متاثر از سلول های عصبی در قسمتی از مغز که در ارتباط با حرکاتاست می باشد. افراد مبتلا به این بیماری اغلب تجربه هایی همچون لرزش، سفتی ماهیچه ها، اشکال درراه رفتن، مشکلات تعادلی و حرکات آهسته دارند. این نشانه ها معمولا بعد از سن ۶۰ سالگی رخ میدهد،هر چند که برخی افراد با این بیماری جوانتر از ۵۰ سال هستند. بیماری پارکینسون بیماری پیشروندهاست، به معنی اینکه علائم و نشانه ها به مرور زمان بدتر می شوند. هر چند که بیماری پارکینسون درنهایت منجر به ناتوانی می شود، بیماری اغلب به صورت آهسته پیشرفت می کند. در این مقاله روشزیرنمونه برداری تصادفی را بعد از مقایسه آن با روش های دیگر نمونه برداری مانند بیش نمونه برداریتصادفی و EasyEnsemble و ModifiedBagging، برای نمونه برداری مجموعه آموزش استفاده شد و سپس نتایج را با معیارهای Recall و Precision و معیار F و معیار G ارزیابی نموده تا توان پیش بینی طبقه بندها در مقابل داده های نامتوازن افزایش پیدا کند. در این مقاله روشی را بر مبنای استخراج ویژگی بر مبنای طبقه بند ترکیبی شد تا داده های آموزش را برای طبقه بند پایه ایجاد شود.

کلیدواژه ها:

الگوریتم داده کاوی ، بیماری پارکینسون ، نمونه برداری تصادفی