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 แต่แต่ไม่ทุกข้อมูลขุดซึ่งจำเป็นสำหรับค้นพบรูปแบบที่ซ่อนและตัดสินใจอย่างมีประสิทธิภาพใช้เทคนิคเหมืองข้อมูลขั้นสูงได้ความรู้ ในฐานข้อมูล และ สำหรับแพทย์วิจัย โดยเฉพาะอย่างยิ่งในการคาดเดาโรคหัวใจ กระดาษนี้มี analysed ทายระบบสำหรับโรคหัวใจที่ใช้ป้อนข้อมูลจำนวนมากแอตทริบิวต์ ระบบใช้เงื่อนไขทางการแพทย์เช่นเพศ เลือดความดัน ไขมันเช่นแอททริบิวต์ 13 จะทำนายโอกาสผู้ป่วยโรคหัวใจที่ได้รับ จนถึงขณะนี้ มีแอตทริบิวต์ 13ใช้สำหรับทำนาย ผลงานวิจัยนี้เพิ่มสองเพิ่มเติมแอตทริบิวต์เช่นโรคอ้วนและสูบบุหรี่ การทำเหมืองข้อมูลประเภทเทคนิค คือตัดสินใจต้นไม้ Naiveลักษณะ Bayes และเครือข่ายประสาทในโรคหัวใจฐานข้อมูล เปรียบเทียบประสิทธิภาพของเทคนิคเหล่านี้ยึดความถูกต้อง ตามความถูกต้องของผลลัพธ์ของ Neuralเครือข่าย ต้นไม้การตัดสินใจ และ Naive Bayes เป็น 100%99.62% และ 90.74% ตามลำดับ การวิเคราะห์ของเราแสดงออกที่ทำนายของโมเดลเหล่านี้จัดประเภทสาม เครือข่ายประสาทโรคหัวใจ มีความแม่นยำสูงสุด

ผลลัพธ์ (ไทย) 2:

อุตสาหกรรมการดูแลสุขภาพโดยทั่วไปคือ "ข้อมูลรวย"
แต่น่าเสียดายที่ไม่ได้ข้อมูลทั้งหมดที่มีการทำเหมืองแร่ที่จำเป็นสำหรับการค้นพบรูปแบบที่ซ่อนและการตัดสินใจที่มีประสิทธิภาพ. เทคนิคการทำเหมืองข้อมูลขั้นสูงที่ใช้ในการค้นพบความรู้ในฐานข้อมูลและการวิจัยทางการแพทย์โดยเฉพาะอย่างยิ่งในผู้ป่วยโรคหัวใจคาดการณ์. บทความนี้ได้วิเคราะห์คาดการณ์ระบบสำหรับโรคหัวใจโดยใช้จำนวนมากของการป้อนข้อมูลคุณลักษณะ ระบบจะใช้คำศัพท์ทางการแพทย์เช่นการมีเพศสัมพันธ์ในเลือดความดันคอเลสเตอรอลเช่น 13 คุณลักษณะที่จะคาดการณ์ความน่าจะเป็นของผู้ป่วยที่ได้รับการเกิดโรคหัวใจ จนถึงขณะนี้ 13 คุณลักษณะที่ใช้ในการทำนาย งานวิจัยนี้เพิ่มอีกสองคุณลักษณะเช่นโรคอ้วนและการสูบบุหรี่ การทำเหมืองแร่ข้อมูลเทคนิคการจัดหมวดหมู่คือต้นไม้ตัดสินใจ Naive Bayes และโครงข่ายประสาทมีการวิเคราะห์เกี่ยวกับโรคหัวใจฐานข้อมูล ประสิทธิภาพการทำงานของเทคนิคเหล่านี้จะเปรียบเทียบบนพื้นฐานของความถูกต้อง เป็นต่อความถูกต้องของผลของเราประสาทเครือข่ายต้นไม้การตัดสินใจและเบส์หน่อมแน้มเป็น 100%, 99.62% และ 90.74% ตามลำดับ การวิเคราะห์ของเราแสดงให้เห็นว่าออกมาของทั้งสามรูปแบบการจัดหมวดหมู่โครงข่ายประสาทคาดการณ์การเกิดโรคหัวใจที่มีความแม่นยำสูงสุด

ผลลัพธ์ (ไทย) 3:

อุตสาหกรรมการดูแลสุขภาพโดยทั่วไปข้อมูล " รวย " แต่น่าเสียดายที่ไม่ได้ข้อมูลทั้งหมด

ผ่านซึ่งเป็นสิ่งจำเป็นสำหรับการค้นพบรูปแบบที่ซ่อนอยู่&ประสิทธิภาพการตัดสินใจ
ขั้นสูงเทคนิคการทำเหมืองข้อมูลจะใช้ในการค้นพบความรู้ในฐานข้อมูลและ

สำหรับการวิจัยทางการแพทย์โดยเฉพาะอย่างยิ่งในการทำนายการเกิดโรคหัวใจ บทความนี้ได้วิเคราะห์ทำนาย
ระบบสำหรับโรคหัวใจ โดยใช้หมายเลขเพิ่มเติมของแอตทริบิวต์ใส่

ระบบจะใช้เงื่อนไขทางการแพทย์เช่นเพศ , ความดันโลหิต
, คอเลสเตอรอล 13 แอตทริบิวต์เพื่อทำนายโอกาส
ของผู้ป่วยจะเป็นโรคหัวใจ จนตอนนี้ 13 คุณลักษณะ
ใช้พยากรณ์ งานวิจัยนี้ได้เพิ่มอีกสองลักษณะได้แก่
โรคอ้วนและการสูบบุหรี่ การทําเหมืองข้อมูล
เทคนิคการจำแนกคือการตัดสินใจต้นไม้ ใสซื่อ
Bayes และโครงข่ายประสาทเทียมที่ใช้ในฐานข้อมูลโรค
หัวใจ ประสิทธิภาพของเทคนิคเหล่านี้จะเปรียบเทียบ
บนพื้นฐานของความถูกต้อง เป็นต่อของเราผลความถูกต้องของประสาท
เครือข่าย , ต้นไม้ตัดสินใจและไร้เดียงสา Bayes 100 %
99.62 % และ 90.74 ตามลำดับ การวิเคราะห์ของเราแสดงให้เห็นว่าออก
เหล่านี้สามประเภทแบบจำลองโครงข่ายประสาทเทียมคาดการณ์
โรคหัวใจกับ
ความถูกต้องสูงสุด