سیستم نوین جهت پیش بینی گسترش بیماری و تعیین عوامل موثر بر آن با استفاده از الگوریتم های مبتنی بر بیز تجربی

سیستم نوین جهت پیش بینی گسترش بیماری و تعیین عوامل موثر بر آن با استفاده از الگوریتم های مبتنی بر بیز تجربی


  • 347 بازدید

در این سلسله مقالات به مفاهیم و کاربرد های داده‌کاوی، متن کاوی و علوم مرتبط با علم داده پرداخته می‌شود. با توجه به حجم عظیم مقالات تولید شده در زبان فارسی در حوزه داده کاوی و علم داده، آکادمی داده تصمیم گرفت مقالات فارسی منتشر شده در این حوزه را خلاصه برداری کرده و در اختیار علاقه مندان قرار دهد. این مقالات ابتدا با معرفی موضوع و کارهای انجام شده آغاز می شود و سپس مجموعه داده یا دیتاست تحقیق ارائه می شود و سپس پیاده سازی انجام شده در رپیدماینر، وکا یا پایتون ارائه شده و نتایج تحلیل می شود.

در این رشته نوشته ها ابتدا خلاصه ای از مقاله ارائه شده و سپس نتیجه گیری مقاله عینا آورده می گردد و سپس فایل پی دی اف آن نیز برای دانلود در اختیار محققین و پژوهشگران عزیز قرار می گیرد. 

چه چیزی داده کاوی نیست؟

داده کاوی چیست؟

آموزش ابزارِ داده کاوی رپیدماینر

در مورد داده کاوی سلامت

در این مقاله روی راهکاری نوین در مدل بندی پدیده هایی با تعداد متغیرهای مستقل بسیار زیاد و تعداد تکرار کم بحث کردیم که دارای ارزش والایی در بررسی مسائل بیوانفورماتیک، ژنتیک و میکرواری، پزشکی و بیوتکنولوژی دارد. براساس تحقیق انجام شده در (۱۰) در بین برآوردگرهای بیز تجربی و برآوردگر معرفی شده در (۱۱)، برآوردگر Crude دارای کمترین میزان خطای پیش بینی و مدل بندی در زمینه مدل بندی پدیده ها با تعداد تکرار کم و تعداد متغیر بسیار می باشد. با استفاده از این برآوردگر مدل پیش بینی کننده کارا و دقیقی برای تعیین تاثیرات و تغییرات ایجاد شده ناشی از بیماری در بخش هایی از بدن نظیر خون که به سهولت می تواند مورد آزمایش های دقیق قرار گیرد، ارائه شده است. پیش بینی دقیق شدت بیماری و تعیین چگونگی تاثیرات آن می تواند گامی بزرگ در جهت یافتن درمان های موثر باشد. مشخص شده که از ۱۷ عامل خونی تنها ۸ عامل تاثیر به سزایی در میزان تراکم استخوانی دارد. تعیین فاکتورهای موثر بر بیماری می تواند گامی بزرگ در یافتن راه درمان مناسب باشد.

این مقاله از طریق لینک قابل دسترسی است و محققین علاقه مند می توانند آن را به صورت رایگان دریافت نمایند. 

اگر در حال پژوهش در حوزه داده کاوی هستید، سوالات و اشکالات خود را از طریق تلگرام با آکادمی داده در میان بگذارید. با عضو شدن در کانال تلگرام  آکادمی داده از مقالات جدید و دیتاست های منتشر شده مطلع شوید. 

مجموعه مقالات فارسی به صورت یکجا نیز از طریق لینک قابل دسترسی هستند. 

اگر در زمینه داده کاوی در حال تحقیق یا پیاده سازی پروژه یا پایان نامه هستید برای گرفتن مشاوره یا دادن سفارش انجام با ما تماس بگیرید.  آکادمی داده در تلگرام (https://t.me/dataacademyحضور دارد برای ارتباط از طریق ایمیل آدرس جیمیل: dataacademyir@gmail.com می باشد. 


افتخار آکادمی داده، همسفر بودن با شما در راه یادگیری علم داده است.