In this study, the aim was to desig

In this study, the aim was to design
a predictive model for heart disease detection
using data mining techniques from Transthoracic
Echocardiography Report dataset that is capable of
enhancing the reliability of heart disease diagnosis
using echocardiography.
Data collected from PGI, Chandigarh
from the year 2008 to 2011 containing 7,339
instances was selected and preprocessed for this
study. The models were built on the preprocessed
Transthoracic Echocardiography dataset with three
different supervised machine learning algorithms
i.e. J48 Classifier, Naïve Bayes and Multilayer
Perception using Weka 3.6.4 machine learning
software.
The performances of the models were
evaluated using the standard metrics of accuracy,
precision, recall and F-measure. 10-Fold Cross
Validation was adopted for randomly sampling

ผลลัพธ์ (ไทย) 1:

ในการศึกษานี้ จุดมุ่งหมายคือการ ออกแบบแบบจำลองที่คาดการณ์สำหรับการตรวจหาโรคหัวใจใช้เทคนิคเหมืองข้อมูลจาก TransthoracicEchocardiography ชุดข้อมูลรายงานที่มีความสามารถในเพิ่มความน่าเชื่อถือของการวินิจฉัยโรคหัวใจใช้ echocardiographyข้อมูลที่รวบรวมจาก PGI จันดิการ์ฮจากปี 2008-2011 ประกอบด้วย 7,339เลือกอินสแตนซ์ และ preprocessed นี้ศึกษา สร้างแบบจำลองในการประมวลผลล่วงหน้าEchocardiography ชุดข้อมูลที่ transthoracic กับ 3อัลกอริทึมการเรียนรู้ของเครื่องแตกต่างกันมีเช่น J48 Classifier ขำน่า Bayes และ Multilayerใช้ Weka 3.6.4 เครื่องเรียนรู้รับรู้ซอฟต์แวร์การแสดงของแบบจำลองได้ถูกประเมินโดยใช้เครื่องมือวัดมาตรฐานของความถูกต้องความแม่นยำ การเรียกคืน และ F-วัด ข้าม 10-Foldตรวจสอบหมายถึงการสุ่มตัวอย่างแบบสุ่ม

ผลลัพธ์ (ไทย) 2:

ในการศึกษาครั้งนี้มีจุดมุ่งหมายคือการออกแบบ
รูปแบบการคาดการณ์สำหรับการตรวจสอบการเกิดโรคหัวใจ
โดยใช้เทคนิคการทำเหมืองข้อมูลจาก transthoracic
รายงาน Echocardiography ชุดข้อมูลที่มีความสามารถใน
การเสริมสร้างความน่าเชื่อถือของการวินิจฉัยโรคหัวใจ
โดยใช้ echocardiography.
ข้อมูลที่เก็บรวบรวมจาก PGI, Chandigarh
จากปี 2008 ถึง 2011 ที่มี 7,339
กรณีได้รับเลือกและ preprocessed นี้สำหรับ
การศึกษา รุ่นที่ถูกสร้างขึ้นใน preprocessed
transthoracic ชุด Echocardiography สาม
เครื่องที่แตกต่างกันภายใต้การดูแลการเรียนรู้ขั้นตอนวิธีการ
คือ J48 ลักษณนาม, Naïve Bayes และ Multilayer
รับรู้โดยใช้ Weka 3.6.4 การเรียนรู้เครื่อง
ซอฟแวร์.
การแสดงของรุ่นที่ได้รับ
การประเมินโดยใช้ตัวชี้วัดมาตรฐานของความถูกต้อง
แม่นยำและเรียกคืน F-วัด 10 เท่ารอ
การตรวจสอบที่ถูกนำมาใช้สำหรับการสุ่มเก็บตัวอย่าง

ผลลัพธ์ (ไทย) 3:

การศึกษานี้มีจุดมุ่งหมายเพื่อออกแบบ

เป็นแบบจำลองเพื่อพยากรณ์การตรวจหาโรคหัวใจ โดยใช้เทคนิคการทำเหมืองข้อมูลจาก transthoracic รายงาน
การอุปถัมภ์ข้อมูลที่สามารถเพิ่มค่า

วินิจฉัยโรคหัวใจด้วยการอุปถัมภ์ .
ข้อมูลจาก PGI , Chandigarh
จากปี 2008 ถึง 2011 ที่มีอินสแตนซ์ 7339
ถูกเลือก และ preprocessed ครั้งนี้

แบบจำลองที่ถูกสร้างขึ้นบน preprocessed
3
transthoracic การอุปถัมภ์ข้อมูลแตกต่างกันมีอัลกอริทึมการเรียนรู้ของเครื่องจักร
เช่น j48 ลักษณนาม , ไตได้ Bayes และการรับรู้โดยใช้เครื่องจักร Weka 3.6.4 Multilayer


การเรียนรู้ซอฟต์แวร์ การแสดงของโมเดล
ประเมินโดยใช้มาตรฐานเมตริกของความถูกต้อง
ความเที่ยงตรง เรียกคืน และค่า F . 10 เท่าผ่าน
ใช้สำหรับการสุ่มตัวอย่าง