The overall objective of our work i

The overall objective of our work is to predict more accurately
the presence of heart disease. In this paper, two more input
attributes obesity and smoking are used to get more accurate
results. Three data mining classification techniques were
applied namely Decision trees, Naive Bayes & Neural
Networks. From results it has been seen that Neural Networks
provides accurate results as compare to Decision trees &
Naive Bayes.
This system can be further expanded. It can use more number
of input attributes listed above in table 1 and 2. Other data
mining techniques can also be used for predication e.g.
Clustering, Time series, Association rules. The text mining
can be used to mine huge amount of unstructured data
available in healthcare industry database.

ผลลัพธ์ (ไทย) 1:

วัตถุประสงค์โดยรวมของงานของเราจะทำนายได้แม่นยำมากขึ้นสถานะของโรคหัวใจ ในเอกสารนี้ สองมากเข้าแอตทริบิวต์โรคอ้วนและสูบบุหรี่จะใช้ได้ถูกต้องมากขึ้นผลลัพธ์ที่ ข้อมูลสามประเภทเทคนิคการทำเหมืองแร่ได้ใช้คือตัดสินใจต้นไม้ Naive Bayes และ Neuralเครือข่าย จากผลที่พบ ว่า Neural เครือข่ายให้ผลลัพธ์ที่ถูกต้องเป็นการเปรียบเทียบกับต้นไม้ตัดสินใจและNaive Bayesระบบนี้สามารถขยายต่อไป ใช้หมายเลขเพิ่มเติมแอตทริบิวต์เข้าข้างในตาราง 1 และ 2 ข้อมูลอื่น ๆเทคนิคการทำเหมืองแร่ยังสามารถใช้สำหรับ predication เช่นระบบคลัสเตอร์ ชุดเวลา ข้อบังคับสมาคม การทำเหมืองข้อความใช้เหมืองจำนวนมากของข้อมูลที่ไม่มีโครงสร้างพร้อมใช้งานในฐานข้อมูลอุตสาหกรรมการดูแลสุขภาพ

ผลลัพธ์ (ไทย) 2:

วัตถุประสงค์โดยรวมของการทำงานของเราคือการคาดการณ์ได้แม่นยำมากขึ้นการปรากฏตัวของการเกิดโรคหัวใจ ในบทความนี้อีกสองป้อนข้อมูลคุณลักษณะของการสูบบุหรี่โรคอ้วนและถูกนำมาใช้เพื่อให้ได้ถูกต้องมากขึ้นผลการ สามการจัดหมวดหมู่ข้อมูลเทคนิคการทำเหมืองแร่ที่ถูกนำมาใช้คือต้นไม้ตัดสินใจ Naive Bayes และประสาทเครือข่าย จากผลที่จะได้รับการเห็นว่าโครงข่ายประสาทให้ผลลัพธ์ที่ถูกต้องเมื่อเทียบกับต้นไม้การตัดสินใจและไร้เดียงสาBayes. ระบบนี้สามารถขยายเพิ่มเติม มันสามารถใช้หมายเลขอื่น ๆของท่านคุณลักษณะดังกล่าวข้างต้นในตารางที่ 1 และ 2 ข้อมูลอื่น ๆเทคนิคการทำเหมืองนอกจากนี้ยังสามารถใช้ในการทำนายเช่นการจัดกลุ่มชุดเวลากฎสมาคม การทำเหมืองข้อความที่สามารถใช้ในการระเบิดจำนวนมากของข้อมูลที่ไม่มีโครงสร้างที่มีอยู่ในฐานข้อมูลอุตสาหกรรมการดูแลสุขภาพ

ผลลัพธ์ (ไทย) 3:

วัตถุประสงค์โดยรวมของงานของเราคือการ ทำนายแม่นมาก
การแสดงตนของการเกิดโรคหัวใจ ในกระดาษนี้ , สองคุณลักษณะโรคอ้วนและการสูบบุหรี่เป็นข้อมูล

ใช้เพื่อให้ได้ผลลัพธ์ที่ถูกต้องมากขึ้น 3 ) ใช้เทคนิคเหมืองข้อมูลการจำแนก
คือการตัดสินใจต้นไม้ ไร้เดียงสา Bayes &ประสาท
เครือข่าย จากผลที่ได้พบว่าโครงข่ายประสาทเทียม
แสดงผลลัพธ์ที่ถูกต้องเปรียบเทียบเพื่อการตัดสินใจ&ไร้เดียงสา Bayes ต้นไม้
.
ระบบนี้สามารถต่อขยาย มันสามารถใช้หมายเลขของการป้อนข้อมูล
คุณลักษณะข้างต้นตารางที่ 1 และ 2 เทคนิคการทำเหมืองข้อมูล
อื่น ๆ นอกจากนี้ยังสามารถใช้สำหรับทั่วไปเช่น
ข้อมูล อนุกรมเวลา กฎสมาคม ข้อความสามารถใช้เหมืองเหมือง

ข้อมูลที่ไม่มีโครงสร้างจำนวนมหาศาลที่มีอยู่ในฐานข้อมูล อุตสาหกรรมการดูแลสุขภาพ