Heart disease diagnostic using data mining techniques

Son zamanlarda, biyoteknoloji ve fitness bilimleri alanlarındaki devam eden yaklaşımlar nedeniyle büyük veri yığınları oluşturulmuştur. Elektronik Sağlık Kayıtlarında (EHR'ler) bulunan klinik bilgileri ve genetik verileri birleştirir. Öte yandan, birçok zorluğu önlemek için erken aşamada ekonomik yükleri omuzlarına yerleştirmenin yanı sıra insan sağlığını da inandırabilecek semptomları tanımak gerekmektedir. Son zamanlarda, birçok veri madenciliği prosedürü, sendromları etkili ve doğru bir şekilde tanımlayabilen otomatik operasyonların geliştirilmesinde hayati bir rol oynamıştır. Bu tezde, belirtileri tanımlamak için veri madenciliği prosedürlerini uygulayan bazı araştırma disiplinlerini sağlarız. Buna ek olarak, Karar Ağaçları (j48), Naïve Bayes, Çok Katmanlı Perceptron (ÇKP) ve Rastgele Orman (RO) gibi bir dizi iyi bilinen veri madenciliği metodu, kamuya açık kalp hastalıkları veri setini kullanarak sınıflandırma görevini gerçekleştirirken değerlendirilmiştir.