In this paper, different classifier

In this paper, different classifiers are studied and the experiments are conducted to find the best classifier for predicting the patient
of heart disease.we propose an approach to predict the heart diseases using data mining techniques. Three classifiers such as ID3,
CART and DT were used for diagnosis of patients with heart diseases. Observation shows that CART performance is having
more accuracy, when compared with other two classification methods.
The best algorithm based on the patient’s data is CART Classification with accuracy of 83.49% and the total time taken to build
the model is at 0.23 seconds. CART classifier has the lowest average error at 0.3 compared to others. These results suggest that
among the machine learning algorithm tested, CART classifier has the potential to significantly improve the conventional
classification methods used in the study.
We also shows that the most important attributes for heart diseases are cp (Chest pain), slope (The slope of the peak exercise
segment), Exang (Exercise induced angina), and Restecg (Resting electrocardiographic). These attributes were found using three
tests for the assessment of input variables: Chi-square test, Info Gain test and Gain Ratio test.
The empirical results show that we can produce short but accurate prediction list for the heart patients by applying the predictive
models to the records of incoming new patients. This study will also work to identify those patients who needed special attention.

ผลลัพธ์ (ไทย) 1:

ในเอกสารนี้ คำนามภาษาต่าง ๆ ที่ได้ศึกษา และทดลองจะดำเนินการในการค้นหา classifier สุดคาดการณ์ผู้ป่วยของหัวใจ disease.we ได้เสนอวิธีการทำนายโรคหัวใจโดยใช้เทคนิคการทำเหมืองข้อมูล คำนามภาษาที่สามเช่น ID3รถเข็นและ DT ที่ใช้สำหรับการวินิจฉัยผู้ป่วยที่มีโรคหัวใจ สังเกตแสดงว่า มีประสิทธิภาพการทำงานของรถเข็นเพิ่มเติมความแม่นยำ เมื่อเปรียบเทียบกับวิธีอื่น ๆ ประเภทที่สองรถเข็นประเภทแม่นยำ 83.49% และเวลารวมที่ใช้ในการสร้างคืออัลกอริทึมดีที่สุดตามข้อมูลของผู้ป่วยเป็นแบบจำลองที่ 0.23 วินาที รถเข็น classifier มีข้อผิดพลาดเฉลี่ยต่ำสุดที่ 0.3 เมื่อเทียบกับผู้อื่น ผลลัพธ์เหล่านี้แนะนำที่ระหว่างการเรียนรู้ของเครื่องอัลกอริทึมทดสอบ รถเข็น classifier มีศักยภาพในการที่ปกติการปรับปรุงอย่างมีนัยสำคัญวิธีการจัดประเภทที่ใช้ในการศึกษาเรายังแสดงแอตทริบิวต์ที่สำคัญที่สุดสำหรับโรคหัวใจ (เจ็บหน้าอก), cp ลาด (ลาดออกกำลังกายสูงสุดเมนต์), Exang (ออกกำลังกายทำให้เกิดอาการปวดเค้น), และ Restecg (พัก electrocardiographic) แอตทริบิวต์เหล่านี้พบใช้สามทดสอบสำหรับการประเมินตัวแปรอินพุต: ทดสอบ Chi-square ข้อมูลได้รับการทดสอบ และทดสอบอัตราการได้รับการผลรวมแสดงว่า เราสามารถผลิตรายการสั้น ๆ แต่ต้องพยากรณ์ผู้ป่วยหัวใจ โดยใช้การคาดการณ์รูปแบบระเบียนของผู้ป่วยใหม่เข้ามา การศึกษานี้จะยังทำงานเพื่อระบุผู้ป่วยที่ต้องใส่ใจเป็นพิเศษ

ผลลัพธ์ (ไทย) 2:

ในบทความนี้แยกประเภทที่แตกต่างกันมีการศึกษาและการทดลองที่มีการดำเนินการที่จะหาตัวจําแนกที่ดีที่สุดในการทำนายผู้ป่วย
ของหัวใจ disease.we เสนอวิธีการในการทำนายโรคหัวใจโดยใช้เทคนิคการทำเหมืองข้อมูล สามแยกประเภทเช่น ID3,
รถเข็นและ DT ถูกนำมาใช้สำหรับการวินิจฉัยของผู้ป่วยที่มีโรคหัวใจ สังเกตแสดงให้เห็นว่าผลการดำเนินงานรถเข็นจะมี
ความถูกต้องมากขึ้นเมื่อเทียบกับอีกสองวิธีการจัดหมวดหมู่.
ขั้นตอนวิธีที่ดีที่สุดบนพื้นฐานของข้อมูลของผู้ป่วยมีการจัดประเภทรถเข็นที่มีความถูกต้องของ 83.49% และเวลาทั้งหมดที่นำมาใช้เพื่อสร้าง
รูปแบบอยู่ที่ 0.23 วินาที ลักษณนามรถเข็นมีข้อผิดพลาดเฉลี่ยต่ำสุดที่ 0.3 เมื่อเทียบกับคนอื่น ๆ ผลการศึกษานี้แสดงให้เห็นว่า
ในหมู่ขั้นตอนวิธีการเรียนรู้เครื่องทดสอบลักษณนามรถเข็นมีศักยภาพที่จะมีนัยสำคัญปรับปรุงธรรมดา
วิธีการจำแนกใช้ในการศึกษา.
นอกจากนี้เรายังแสดงให้เห็นว่าคุณลักษณะที่สำคัญที่สุดสำหรับโรคหัวใจซีพี (เจ็บหน้าอก) ลาดชัน (ลาดชัน การใช้สิทธิสูงสุด
ส่วน) Exang (การออกกำลังกายเหนี่ยวนำให้เกิดโรคหลอดเลือดหัวใจตีบ) และ Restecg (พักผ่อน electrocardiographic) คุณลักษณะเหล่านี้ถูกพบว่าใช้สาม
การทดสอบสำหรับการประเมินตัวแปร:. ทดสอบ Chi-square ทดสอบข้อมูลกำไรและกำไรจากอัตราการทดสอบ
ผลการศึกษาแสดงให้เห็นว่าเราสามารถผลิตรายการสั้น ๆ แต่การคาดการณ์ที่ถูกต้องสำหรับผู้ป่วยโรคหัวใจโดยการใช้การทำนาย
แบบให้ ระเบียนของผู้ป่วยที่เข้ามาใหม่ การศึกษาครั้งนี้ยังจะทำงานในการระบุผู้ป่วยที่จำเป็นต้องใช้ความสนใจเป็นพิเศษ

ผลลัพธ์ (ไทย) 3:

ในกระดาษนี้ , ลักษณนามแตกต่างกันมีการศึกษาและการทดลองมีวัตถุประสงค์เพื่อค้นหาที่ดีที่สุดลักษณนามทำนายผู้ป่วย
ของ disease.we หัวใจเสนอวิธีการทำนายโรคหัวใจโดยใช้เทคนิคเหมืองข้อมูล สามคำลักษณนามเช่น ID3 ,
รถเข็นและ DT นำมาวินิจฉัยผู้ป่วยโรคหัวใจ สังเกตพบว่า ประสิทธิภาพของรถมี
ความถูกต้องมากขึ้น เมื่อเทียบกับอีกสองประเภท วิธี ที่ดีที่สุด โดยอยู่บนพื้นฐานของข้อมูล
คนไข้ประเภทรถเข็นกับความถูกต้องของ 83.49 % และเวลารวมที่ถ่ายเพื่อสร้างแบบจำลอง
ที่ 0.23 วินาที รถเข็นแบบมีความคลาดเคลื่อนเฉลี่ยต่ำสุดที่ 0.3 เมื่อเทียบกับคนอื่น ๆ ผลลัพธ์เหล่านี้ชี้ให้เห็นว่า
ระหว่างอัลกอริทึมที่ทดสอบรถเข็นแบบมีศักยภาพที่จะปรับปรุงปกติ
การจำแนกวิธีการที่ใช้ในการศึกษา .
เรายังแสดงให้เห็นว่า คุณลักษณะที่สำคัญที่สุดสำหรับโรคหัวใจ CP ( เจ็บหน้าอก ) ความลาดชัน ( ชันของออกกำลังกายสูงสุด
ส่วน ) , exang ( การออกกำลังกายและหัวใจ ) และ restecg ( พัก electrocardiographic ) แอตทริบิวต์เหล่านี้พบใช้สาม
การทดสอบการประเมินของตัวแปร : การทดสอบไคสแควร์ การทดสอบได้รับข้อมูลและได้รับการทดสอบอัตราส่วน .
ผลการศึกษาแสดงให้เห็นว่าเราสามารถผลิตรายการสั้นแต่แม่นยำการทำนายผู้ป่วยหัวใจโดยการใช้ตัวแบบทำนาย
เพื่อบันทึกของที่เข้ามาใหม่ค่ะ การศึกษานี้จะทำงานเพื่อระบุผู้ป่วยที่ต้องการความสนใจพิเศษ