In this paper the focus is on using

In this paper the focus is on using different algorithms and combinations of several target
attributes for effective heart attack prediction using data mining. Decision Tree has outperformed
with 99.62% accuracy by using 15 attributes. Also 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.
Association classification technique apriori algorithm, was along with a new algorithm MAFIA
was used .
Straight Apriori-based algorithms count all of the 2k subsets of each k-item set they discover, and
thus do not scale for long item sets. They use “look a heads” to reduce the number of item sets to
be counted. MAFIA is an improvement when the item sets in the database are very long.

ผลลัพธ์ (ไทย) 1:

ในเอกสารนี้ โฟกัสจะใช้อัลกอริทึมที่แตกต่างกันและชุดของเป้าหมายต่าง ๆแอตทริบิวต์สำหรับทำนายประสิทธิภาพหัวใจวายโดยใช้การทำเหมืองข้อมูล ต้นไม้การตัดสินใจมี outperformedมีความแม่นยำ 99.62% โดยใช้แอตทริบิวต์ 15 นอกจากนี้ความถูกต้องของต้นไม้การตัดสินใจ และทฤษฎีการจัดประเภทเพิ่มเติมปรับปรุงหลังจากการใช้อัลกอริทึมทางพันธุกรรมลดจริงขนาดข้อมูลจะได้รับชุดย่อยของแอตทริบิวต์เหมาะสมเพียงพอต่อการพยากรณ์โรคสมาคมจัดประเภทเทคนิค apriori อัลกอริทึม ถูกพร้อมขั้นตอนวิธีใหม่มาเฟียใช้ตรง Apriori ตามอัลกอริทึมนับทั้งหมดของชุดย่อย k 2 ของแต่ละชุด k-สินค้าที่พวกเขาค้นพบ และจึง ไม่ปรับขนาดสำหรับยาวสินค้าชุด พวกเขาใช้ "ดูหัว" เพื่อลดจำนวนของชุดสินค้าการสามารถนับ มาเฟียเป็นการปรับปรุงเมื่อสินค้าตั้งค่าในฐานข้อมูลมีขนาดยาวมาก

ผลลัพธ์ (ไทย) 2:

ในบทความนี้โฟกัสอยู่กับการใช้ขั้นตอนวิธีการที่แตกต่างกันและการรวมกันของเป้าหมายหลาย
แอตทริบิวต์การทำนายหัวใจที่มีประสิทธิภาพการโจมตีโดยใช้การทำเหมืองข้อมูล ต้นไม้ตัดสินใจมีประสิทธิภาพสูงกว่า
ด้วยความถูกต้อง 99.62% โดยใช้ 15 คุณลักษณะ นอกจากนี้ยังมีความถูกต้องของการตัดสินใจและต้นไม้
Bayesian Classification ต่อไปช่วยเพิ่มหลังจากการใช้วิธีทางพันธุกรรมเพื่อลดที่เกิดขึ้นจริง
ขนาดของข้อมูลที่จะได้รับชุดย่อยที่ดีที่สุดของแอตทริบิวต์ที่เพียงพอสำหรับการคาดการณ์การเกิดโรคหัวใจ.
เทคนิคการจัดหมวดหมู่ของสมาคมอัลกอริทึม aPriori เป็นพร้อมกับขั้นตอนวิธี MAFIA ใหม่
ถูกนำมาใช้ .
ตรงขั้นตอนวิธี Apriori ตามนับทั้งหมดของ 2k ย่อยของแต่ละ k รายการตั้งพวกเขาค้นพบและ
จึงไม่ได้ปรับขนาดสำหรับชุดรายการยาว พวกเขาใช้ "ดูหัว" เพื่อลดจำนวนของรายการชุด
จะนับ MAFIA คือการปรับปรุงเมื่อชุดรายการในฐานข้อมูลมีความยาวมาก

ผลลัพธ์ (ไทย) 3:

ในกระดาษนี้จะเน้นที่การใช้ขั้นตอนวิธีที่แตกต่างกันและการรวมกันของแอตทริบิวต์เป้าหมาย
หลายสำหรับการทำนายโรคหัวใจที่มีประสิทธิภาพการใช้เหมืองข้อมูล การตัดสินใจแบบต้นไม้ได้เทียบกับ 99.62
% ความถูกต้องโดยใช้ 15 แอตทริบิวต์ นอกจากนี้ความถูกต้องของการตัดสินใจและการเพิ่มต้นไม้
เบย์เพิ่มเติมหลังจากการใช้ขั้นตอนวิธีเชิงพันธุกรรมในการลดจริง
ขนาดของข้อมูลที่จะได้รับบางส่วนที่ดีที่สุดของแอตทริบิวต์ที่เพียงพอสำหรับการทำนายโรคหัวใจ .
สมาคมการจำแนกเทคนิคขั้นตอนวิธีแบบถูกพร้อมกับ
มาเฟียอัลกอริทึมใหม่ที่ใช้ ตรงตามขั้นตอนวิธีนับ
aPriori ของ 2K ย่อยของแต่ละ k-item ชุดพวกเขาค้นพบและ
จึงไม่วัดชุดยาวรายการ พวกเขาใช้ " หัว " เพื่อลดจำนวนของสินค้าชุด

จะนับ มาเฟียมีการปรับปรุงเมื่อรายการการตั้งค่าในฐานข้อมูลจะยาวมาก