In this paper the problem of constr

In this paper the problem of constraining and summarizing
different algorithms of data mining used in the field of medical
prediction are discussed. The focus is on using different
algorithms and combinations of several target attributes for
intelligent and effective heart attack prediction using data mining.
For predicting heart attack, significantly 15 attributes are listed
and with basic data mining technique other approaches e.g. ANN,
Time Series, Clustering and Association Rules, soft computing
approaches etc. can also be incorporated. The outcome of
predictive data mining technique on the same dataset reveals that
Decision Tree outperforms and some time Bayesian classification
is having similar accuracy as of decision tree but other predictive
methods like KNN, Neural Networks, Classification based on
clustering are not performing well. The second conclusion is that
the accuracy of the Decision Tree and Bayesian Classification
further improves after applying genetic algorithm to reduce the
actual data size to get the optimal subset of attribute sufficient for
heart disease prediction.
The proposed work can be further enhanced and expanded for the
automation of Heart disease prediction. Real data from Health care
organizations and agencies needs to be collected and all the
available techniques will be compared for the optimum accuracy.

ผลลัพธ์ (ไทย) 1:

ในเอกสารนี้ปัญหากีด และสรุปอัลกอริทึมต่าง ๆ ของเหมืองข้อมูลที่ใช้ในด้านการแพทย์ทำนายกล่าวถึง โฟกัสจะใช้แตกต่างกันอัลกอริทึมและชุดแอตทริบิวต์เป้าหมายหลายสำหรับการคาดเดาโจมตีหัวใจฉลาด และมีประสิทธิภาพโดยใช้การทำเหมืองข้อมูลสำหรับคาดการณ์หัวใจวาย มากแอตทริบิวต์ 15 อยู่และข้อมูลพื้นฐาน อื่น ๆ เทคนิคการทำเหมืองใกล้เช่น ANNเวลาชุด Clustering และสมาคม กฎ นุ่มคอมพิวเตอร์วิธีฯลฯ ยังสามารถถูกรวม ผลลัพธ์ของเผยเทคนิคการทำเหมืองข้อมูลคาดการณ์ในชุดข้อมูลเดียวกันที่Outperforms ต้นไม้การตัดสินใจ และประเภททฤษฎีบางเวลามีความคล้ายกัน ณต้นไม้การตัดสินใจแต่งานอื่น ๆวิธีเช่น KNN เครือ ข่ายประสาท การจัดประเภทตามคลัสเตอร์ไม่ได้ทำกัน สรุปสองคือความถูกต้องของต้นไม้การตัดสินใจและประเภททฤษฎีเพิ่มเติม ปรับปรุงหลังจากการใช้อัลกอริทึมทางพันธุกรรมเพื่อลดการขนาดข้อมูลจริงจะได้รับชุดย่อยของแอตทริบิวต์เหมาะสมเพียงพอสำหรับพยากรณ์โรคหัวใจงานนำเสนอสามารถเพิ่มเติมปรับปรุง และขยายสำหรับการระบบอัตโนมัติของการคาดการณ์ของโรคหัวใจ ข้อมูลจริงจากการดูแลสุขภาพหน่วยงานและองค์กรต้องรวบรวมและการเทคนิคที่ใช้จะถูกเปรียบเทียบความถูกต้องเหมาะสม

ผลลัพธ์ (ไทย) 2:

ในบทความนี้ปัญหาของการ constraining
และสรุปขั้นตอนวิธีการที่แตกต่างกันของการทำเหมืองข้อมูลที่ใช้ในด้านการแพทย์การคาดการณ์ที่จะกล่าวถึง
ให้ความสำคัญกับการใช้ที่แตกต่างกันขั้นตอนวิธีและการรวมกันของเป้าหมายหลายแอตทริบิวต์สำหรับหัวใจที่ชาญฉลาดและมีประสิทธิภาพในการทำนายการโจมตีโดยใช้การทำเหมืองข้อมูล. สำหรับการทำนายโรคหัวใจ, อย่างมีนัยสำคัญ 15 คุณลักษณะที่มีการระบุไว้และด้วยเทคนิคการทำเหมืองข้อมูลพื้นฐานวิธีการอื่นๆ เช่นแอนอนุกรมเวลา, การจัดกลุ่มและ กฎสมาคมคอมพิวเตอร์นุ่มวิธีอื่นๆ นอกจากนี้ยังสามารถรวม ผลของการใช้เทคนิคการทำเหมืองข้อมูลการคาดการณ์ในชุดเดียวกันแสดงให้เห็นว่ามีประสิทธิภาพเหนือกว่าต้นไม้การตัดสินใจและบางครั้งการจัดหมวดหมู่แบบเบย์จะมีความถูกต้องเช่นเดียวกับการตัดสินใจของต้นไม้แต่การคาดการณ์อื่น ๆวิธีการเช่น KNN ประสาทเครือข่ายการจัดประเภทขึ้นอยู่กับการจัดกลุ่มจะทำงานได้ไม่ดี ข้อสรุปที่สองคือความถูกต้องของการตัดสินใจต้นไม้และคชกรรมจำแนกต่อไปช่วยเพิ่มหลังจากการใช้วิธีทางพันธุกรรมเพื่อลดขนาดของข้อมูลที่เกิดขึ้นจริงที่จะได้รับชุดย่อยที่ดีที่สุดของคุณลักษณะที่เพียงพอสำหรับการคาดการณ์การเกิดโรคหัวใจ. งานที่นำเสนออาจจะเพิ่มขึ้นต่อไปและขยายสำหรับระบบอัตโนมัติของการคาดการณ์การเกิดโรคหัวใจ ข้อมูลจริงจากการดูแลสุขภาพองค์กรและหน่วยงานจะต้องมีการเก็บรวบรวมและทุกเทคนิคที่ใช้ได้จะนำมาเปรียบเทียบความถูกต้องเหมาะสม

ผลลัพธ์ (ไทย) 3:

ในกระดาษนี้ปัญหาอย่างเหมาะสมและสรุป
อัลกอริทึมต่าง ๆของการทำเหมืองข้อมูลที่ใช้ในด้านการแพทย์
ทำนายว่า เน้นการใช้ขั้นตอนวิธีที่แตกต่างกันและการรวมกันของแอตทริบิวต์เป้าหมาย

ฉลาดและมีประสิทธิภาพหลายสำหรับการทำนายโรคหัวใจเหมืองข้อมูล .
ทำนายหัวใจวายแอตทริบิวต์อยู่
15 อย่างมีนัยสำคัญทางสถิติและด้วยพื้นฐานเทคนิคเหมืองข้อมูลวิธีอื่นเช่น Ann
อนุกรมเวลา , การจัดกลุ่มและกฎสมาคม วิธีคำนวณ
นุ่ม ฯลฯ นอกจากนี้ยังสามารถรวม . ผลของเทคนิคเหมืองข้อมูลทำนาย
บนพื้นผิวเดียวกัน พบว่า มีประสิทธิภาพดีกว่า
ต้นไม้ การตัดสินใจ และบางครั้งระบบการจำแนก
มีความถูกต้องเช่นเดียวกับการตัดสินใจของต้นไม้ แต่วิธีการพยากรณ์อื่น ๆเช่น knn
,โครงข่ายประสาทเทียม จำแนกตามการจัดกลุ่ม
ไม่ได้มีประสิทธิภาพดี สรุป สองคือ
ความถูกต้องของการตัดสินใจแบบต้นไม้การจำแนก
เพิ่มเติมและปรับปรุงหลังจากการใช้ขั้นตอนวิธีเชิงพันธุกรรมในการลดขนาดข้อมูลที่เกิดขึ้นจริง
รับย่อยที่เหมาะสมของ Attribute เพียงพอ

โรคหัวใจพยากรณ์ เสนองานสามารถเพิ่มและขยายสำหรับ
ระบบอัตโนมัติของการพยากรณ์โรคหัวใจ ข้อมูลที่แท้จริงจากองค์กรการดูแลสุขภาพ
และหน่วยงานจะต้องรวบรวม และเทคนิคต่างๆ พร้อมจะเทียบ

ความถูกต้องเหมาะสม .