3.1.2 Data Mining and Genetic Algor

3.1.2 Data Mining and Genetic Algorithm
Genetic algorithm have been used in [4], to reduce the actual data
size to get the optimal subset of attributed sufficient for heart
disease prediction. Classification is a supervised learning method
to extract models describing important data classes or to predict
future trends. Three classifiers e.g. Decision Tree, Naïve Bayes
and Classification via clustering have been used to diagnose the
presence of heart disease in patients. Classification via
clustering: Clustering is the process of grouping similar elements.
This technique may be used as a preprocessing step before feeding
the data to the classifying model. The attribute values need to be
normalized before clustering to avoid high value attributes
dominating the low value attributes. Further, classification is
performed based on clustering.
Experiments were conducted with Weka 3.6.0 tool. Data set of
909 records with 13 attributes. All attributes are made categorical
and inconsistencies are resolved for simplicity. To enhance the
prediction of classifiers, genetic search is incorporated.
Observations exhibit that the Decision Tree data mining technique
outperforms other two data mining techniques after incorporating
feature subset selection but with high model construction time.
Naïve Bayes performs consistently before and after reduction of
attributes with the same model construction time. Classification
via clustering performs poor compared to other two methods.
Table 4 shows the accuracy of the algorithm obtained from
experiment.

ผลลัพธ์ (ไทย) 2:

3.1.2
การทำเหมืองข้อมูลและขั้นตอนวิธีทางพันธุกรรมขั้นตอนวิธีทางพันธุกรรมมีการใช้ใน[4]
เพื่อลดข้อมูลที่แท้จริงขนาดที่จะได้รับชุดย่อยที่ดีที่สุดของการบันทึกเพียงพอสำหรับหัวใจของการคาดการณ์การเกิดโรค
การจัดหมวดหมู่เป็นวิธีการเรียนรู้ภายใต้การดูแลที่จะดึงรูปแบบการเรียนการอธิบายข้อมูลที่สำคัญหรือที่จะคาดการณ์แนวโน้มในอนาคต สามแยกประเภทเช่นต้นไม้ตัดสินใจNaïve Bayes และจําแนกโดยการจัดกลุ่มได้รับการใช้ในการวินิจฉัยการปรากฏตัวของการเกิดโรคหัวใจในผู้ป่วยที่ จําแนกโดยการจัดกลุ่ม:. การจัดกลุ่มเป็นกระบวนการของการจัดกลุ่มองค์ประกอบที่คล้ายกันเทคนิคนี้อาจจะใช้เป็นขั้นตอนที่ประมวลผลเบื้องต้นก่อนที่จะให้อาหารข้อมูลไปยังรูปแบบการจำแนก ค่าแอตทริบิวต์จะต้องมีปกติก่อนที่จะจัดกลุ่มเพื่อหลีกเลี่ยงการคุณลักษณะที่มีมูลค่าสูงมีอำนาจเหนือคุณลักษณะมูลค่าต่ำ นอกจากนี้การจัดหมวดหมู่เป็นที่ดำเนินการบนพื้นฐานของการจัดกลุ่ม. ทดลองดำเนินการกับ Weka 3.6.0 เครื่องมือ ข้อมูลชุด909 ระเบียนที่มี 13 คุณลักษณะ คุณลักษณะทั้งหมดจะทำเด็ดขาดและไม่สอดคล้องกันได้รับการแก้ไขเพื่อความเรียบง่าย เพื่อเพิ่มการคาดการณ์ของลักษณนามค้นหาทางพันธุกรรมที่เป็นนิติบุคคลที่จัดตั้ง. สังเกตแสดงว่าต้นไม้ตัดสินใจเทคนิคการทำเหมืองข้อมูลมีประสิทธิภาพดีกว่าอีกสองข้อมูลเทคนิคการทำเหมืองหลังจากที่ผสมผสานการเลือกเซตคุณลักษณะแต่ด้วยรูปแบบสูงเวลาในการก่อสร้าง. Naïve Bayes ดำเนินการอย่างต่อเนื่องทั้งก่อนและหลังการลดลงของคุณลักษณะที่มีเวลาในการก่อสร้างรูปแบบเดียวกัน การจำแนกประเภทผ่านการจัดกลุ่มดำเนินการที่ไม่ดีเมื่อเทียบกับอีกสองวิธี. ตารางที่ 4 แสดงให้เห็นถึงความถูกต้องของอัลกอริทึมที่ได้จากการทดลอง

ผลลัพธ์ (ไทย) 3:

3.1.2 การทำเหมืองข้อมูลและขั้นตอนวิธีทางพันธุกรรม
ขั้นตอนวิธีทางพันธุกรรมถูกใช้ใน [ 4 ] เพื่อลดขนาดของข้อมูล
จริงรับย่อยที่ประกอบเพียงพอเพื่อการพยากรณ์โรคหัวใจ

มีการจำแนกเป็นวิธีการเรียนแบบชั้นเรียน
เพื่อสกัดข้อมูลที่สำคัญที่อธิบายหรือทำนาย
แนวโน้มในอนาคต สามคำ เช่น การตัดสินใจ ต้นไม้ นา ไตได้ Bayes
และการจำแนกทางกลุ่มได้ถูกใช้เพื่อวินิจฉัย
ตนของโรคหัวใจในผู้ป่วย หมวดหมู่ : จัดกลุ่มข้อมูลผ่าน
คือขั้นตอนของการจัดกลุ่มองค์ประกอบที่คล้ายกัน .
เทคนิคนี้อาจจะใช้เป็นขั้นตอนการเตรียมก่อนป้อน
ข้อมูลไปยังข้อมูลแบบ แอตทริบิวต์ค่าต้อง
ปกติก่อนการจัดกลุ่มเพื่อหลีกเลี่ยงค่าสูงคุณลักษณะ
คุณลักษณะที่มีมูลค่าต่ำ เพิ่มเติมถูกจัดแสดงตามการจัดกลุ่ม
.
การทดลองกับ Weka 3.6.0 เครื่องมือ ชุดข้อมูล
909 ประวัติ 13 แอตทริบิวต์ คุณลักษณะทั้งหมดที่ทำอย่างแท้จริงและมีการแก้ไขข้อขัดแย้ง
สำหรับความเรียบง่าย เพื่อเพิ่ม
ทำนายคำค้นหาพันธุกรรม
รวม .สังเกตแสดงการตัดสินใจ ข้อมูล วิธีการทําเหมือง
โปรยต้นไม้อีกสองเทคนิคเหมืองข้อมูลหลังจากการผสมผสานคุณลักษณะแต่ด้วยเวลา 9.75

นารูปแบบการก่อสร้างสูง ไตได้ Bayes มีประสิทธิภาพอย่างต่อเนื่อง ก่อนและหลังการลดคุณสมบัติเดียวกันกับแบบก่อสร้าง
ครั้ง การจำแนกกลุ่มยากจนผ่านการเปรียบเทียบ

อีกสองวิธีตารางที่ 4 แสดงความถูกต้องของขั้นตอนวิธีที่ได้จาก
ทดลอง