استفاده از داده کاوی برای پیش بینی افسردگی

استفاده از داده کاوی برای پیش بینی افسردگی

آکادمی داده

۱۳۹۶/۱۱/۱۵


  • 290 بازدید

در این سلسله مقالات به کاربرد داده‌کاوی در تحلیل، تشخیص و پیش‌بینی بیماری‌های مختلف پرداخته می‌شود. بدین ترتیب که با استفاده از الگوریتم‌ها و روش‌های داده‌کاوی در کنار اطلاعات بیماران مختلف راهی برای تحلیل، تشخیص و پیش‌بینی بیماری‌های مختلف ارائه می‌شود. درواقع داده خام اطلاعات بیماران و روش‌های نیز روش‌های استفاده‌شده در علوم داده‌کاوی است که منجر به تولید دانشی مفید برای علوم پزشکی می‌گردد. مطالعه این مقالات می‌تواند برای اشخاصی که درزمینهٔ داده‌کاوی پزشکی و سلامت فعالیت می‌کنند راهگشا بوده و مفید واقع شود. بنا بر ادعای برخی علم پزشکی یک علم مبتنی بر آمار است و بسیاری از راه‌حل‌های ارائه شهد برای بیماران از طریق روش‌ها و راه‌های تحلیل آماری حاصل می‌شود. این ادعا و واقعیت‌های مرتبط در این رشته مقالات که با عنوان استفاده از داده‌کاوی برای تحلیل بیماری‌ها در موارد مختلف تولید خواهد شد بررسی می‌شود. آکادمی داده امیدوار است در این رشته مقالات، پژوهشگران عزیز را با مفاهیم این حوزه و کارهای انجام‌شده آشنا نماید.  

در این مقاله درباره تحقیق با عنوان" پیش بینی احتمال وقوع افسردگی با استفاده از داده کاوی" صحبت خواهد شد. در خلاصه این مقاله می‌خوانیم:

در این تحقیق از الگوریتم درخت تصمیم گیری برای پیش بینی احتمال وقوع افسردگی استفاده شده است. مجموعه داده این تحقیق شامل 30 ویژگی انسانی است. در واقع از 30 ویژگی برای پیدا کردن احتمال وقوع یا عدم وقوع افسردگی استفاده شده است. این ویژگی ها بین 0 تا 3 مقدار دهی شده است که کمترین تا بیشترین مقدار را نشان می دهد. در این دیتاست 600 بیمار بررسی شده است که میزان قابل قبولی برای تحقیقات علمی است. هدف از استفاده از الگوریتم درخت تصمیم گیری پیدا کردن مهمترین عامل برای افسرده شدن افراد است. این تحقیق با دید کلاسیک به موضوعات داده کاوی سلامت نگریسته است و سعی کرده با استفاده از یکی از الگوریتم های یادگیری ماشین اقدام به تولید مدل پیش بینی افسردگی کند. بهتر بود تعداد الگوریتم های مورد بررسی قرار گرفته افزایش می یافت و با استفاده از روش های کاهش ویژگی سعی می شد بهترین ویژگی ها برای پیش بینی افسردگی افراد ارائه می شد. این تحقیق می تواند نسخه اولیه برای تحقیقات بعدی بر روی دیتاست ارائه شده باشد و دقت ها به دست آمده با این مقاله بیس مقایسه گردد. 

این مقاله از طریق لینک قابل دسترسی است. محققین و دانشجویان علاقه مند می‌توانند از آن استفاده نمایند. در کنار آن دیتاست این تحقیق توسط دیتاهارت خریداری شده است و محققینی که به آن احتیاج دارند می توانند از دیتاهارت تهیه بفرمایند. برای خرید به این لینک مراجعه بفرمایید. 

اگر در حال پژوهش در حوزه داده کاوی هستید، سوالات و اشکالات خود را از طریق تلگرام با آکادمی داده در میان بگذارید. با عضو شدن در کانال تلگرام آکادمی داده از مقالات جدید و دیتاست های منتشر شده مطلع شوید.