The Healthcare industry is generall

The Healthcare industry is generally "information rich", but unfortunately not all the data are mined which is required for discovering hidden patterns & effective decision making. Advanced data mining techniques are used to discover knowledge in database and for medical research, particularly in Heart disease prediction. This paper has analysed prediction systems for Heart disease using more number of input attributes. The system uses medical terms such as sex, blood pressure, cholesterol like 13 attributes to predict the likelihood of patient getting a Heart disease. Until now, 13 attributes are used for prediction. This research paper added two more attributes i. e. obesity and smoking. The data mining classification techniques, namely Decision Trees, Naive Bayes, and Neural Networks are analyzed on Heart disease database. The performance of these techniques is compared, based on accuracy. As per our results accuracy of Neural Networks, Decision Trees, and Naive Bayes are 100%, 99. 62%, and 90. 74% respectively. Our analysis shows that out of these three classification models Neural Networks predicts Heart disease with highest accuracy.

ผลลัพธ์ (ไทย) 1:

อุตสาหกรรมการดูแลสุขภาพโดยทั่วไปจะ "รวย" ข้อมูล ได้แต่ข้อมูลทั้งหมดที่ขุดได้ที่จำเป็นสำหรับการค้นหารูปแบบที่ซ่อนและตัดสินใจอย่างมีประสิทธิภาพ ใช้เทคนิคเหมืองข้อมูลขั้นสูงได้ความรู้ ในฐานข้อมูล และ การ วิจัยทางการแพทย์ โดยเฉพาะอย่างยิ่งในการพยากรณ์โรค กระดาษนี้มี analysed ระบบพยากรณ์โรคหัวใจโดยใช้จำนวนแอททริบิวต์ที่ป้อนข้อมูลเพิ่มเติม ระบบจะใช้เงื่อนไขทางการแพทย์เช่นเพศ ความดันโลหิต ไขมันเช่นแอททริบิวต์ที่ 13 เพื่อทำนายความเป็นไปได้ของผู้ป่วยโรคหัวใจที่ได้รับ จนถึงขณะนี้ แอตทริบิวต์ 13 จะใช้สำหรับการคาดเดา ผลงานวิจัยนี้เพิ่มสองคุณลักษณะ i. e. โรคอ้วนและสูบบุหรี่มากขึ้น การข้อมูลการทำเหมืองประเภทเทคนิค ได้แก่ ต้นไม้ตัดสินใจ Naive Bayes และเครือ ข่ายประสาทจะวิเคราะห์บนฐานข้อมูลโรคหัวใจ ประสิทธิภาพของเทคนิคเหล่านี้ถูกเปรียบเทียบ ยึดความถูกต้อง ตามผลของเรา มีความถูกต้องของเครือ ข่ายประสาท ต้นไม้การตัดสินใจ และ Naive Bayes 100%, 99 62% และ 90 74% ตามลำดับ การวิเคราะห์ของเราแสดงว่า จากโมเดลเหล่านี้จัดประเภทสาม เครือข่ายประสาททำนายโรค มีความแม่นยำสูงสุด

ผลลัพธ์ (ไทย) 2:

อุตสาหกรรมการดูแลสุขภาพโดยทั่วไปคือ "ข้อมูลรวย" แต่น่าเสียดายที่ไม่ได้ข้อมูลทั้งหมดที่มีศีลธรรมซึ่งเป็นสิ่งจำเป็นสำหรับการค้นพบรูปแบบที่ซ่อนและการตัดสินใจที่มีประสิทธิภาพ เทคนิคการทำเหมืองข้อมูลขั้นสูงที่ใช้ในการค้นพบความรู้ในฐานข้อมูลและการวิจัยทางการแพทย์โดยเฉพาะอย่างยิ่งในการทำนายการเกิดโรคหัวใจ บทความนี้ได้วิเคราะห์ระบบการทำนายการเกิดโรคหัวใจโดยใช้จำนวนมากของคุณลักษณะการป้อนข้อมูล ระบบจะใช้คำศัพท์ทางการแพทย์เช่นเพศความดันโลหิตคอเลสเตอรอลเช่น 13 คุณลักษณะที่จะคาดการณ์แนวโน้มของผู้ป่วยที่ได้รับการเกิดโรคหัวใจ จนถึงขณะนี้ 13 คุณลักษณะที่ใช้ในการทำนาย งานวิจัยนี้เพิ่มอีกสองคุณลักษณะอื่น ๆ เช่นโรคอ้วนและการสูบบุหรี่ เทคนิคการจัดหมวดหมู่การทำเหมืองข้อมูลคือต้นไม้ตัดสินใจ Naive Bayes และโครงข่ายประสาทมีการวิเคราะห์ในฐานข้อมูลการเกิดโรคหัวใจ ประสิทธิภาพการทำงานของเทคนิคเหล่านี้จะถูกเปรียบเทียบบนพื้นฐานของความถูกต้อง เป็นต่อความถูกต้องของผลของเราเครือข่ายประสาทเทียมต้นไม้การตัดสินใจและเบส์หน่อมแน้มเป็น 100%, 99 62% และ 90% ตามลำดับ 74 การวิเคราะห์ของเราแสดงให้เห็นว่าออกมาจากทั้งสามรูปแบบการจัดหมวดหมู่โครงข่ายประสาทคาดการณ์การเกิดโรคหัวใจที่มีความแม่นยำสูงสุด

ผลลัพธ์ (ไทย) 3:

อุตสาหกรรมการดูแลสุขภาพโดยทั่วไปข้อมูล " รวย " แต่น่าเสียดายที่ไม่ได้ข้อมูลทั้งหมดที่ผ่านซึ่งเป็นสิ่งจำเป็นสำหรับการค้นพบรูปแบบที่ซ่อนอยู่&ประสิทธิภาพการตัดสินใจ เทคนิคการทำเหมืองข้อมูลขั้นสูงจะใช้ในการค้นพบความรู้ในฐานข้อมูลและวิจัยทางการแพทย์ โดยเฉพาะอย่างยิ่งในการทำนายการเกิดโรคหัวใจกระดาษนี้มีระบบวิเคราะห์การทำนายโรคหัวใจโดยใช้หมายเลขเพิ่มเติมคุณลักษณะของปัจจัยการผลิต ระบบจะใช้เงื่อนไขทางการแพทย์เช่นเพศ , ความดันโลหิต , คอเลสเตอรอล 13 แอตทริบิวต์เพื่อทำนายโอกาสของผู้ป่วยที่เริ่มเป็นโรคหัวใจ จนตอนนี้ 13 คุณลักษณะที่ใช้สำหรับพยากรณ์ งานวิจัยนี้เป็นสองคุณลักษณะเพิ่มเติมเช่นโรคอ้วนและการสูบบุหรี่การทําเหมืองข้อมูลเทคนิคการจำแนก คือ การตัดสินใจของต้นไม้ ไร้เดียงสา Bayes และโครงข่ายประสาทเทียมที่ใช้ในฐานข้อมูลของโรคหลอดเลือดหัวใจ ประสิทธิภาพของเทคนิคเหล่านี้จะเปรียบเทียบบนพื้นฐานของความถูกต้อง เป็นต่อของเราผลความถูกต้องของเครือข่ายประสาทต้นไม้ตัดสินใจและไร้เดียงสา Bayes เป็น 100% , 99 62 % และ 90 74 ตามลำดับการวิเคราะห์ของเราแสดงให้เห็นว่าของเหล่านี้สามประเภทแบบจำลองโครงข่ายประสาทเทียมทำนายโรคหัวใจที่มีความถูกต้องสูงสุด