یکی از علومی که به کمک علم پزشکی آمده است، علم داده کاوی (Data Mining) میباشد. داده کاوی به تصمیم گیری بهتر در زمینه تشخیص، درمان و بررسی فاکتورهای تاثیرگذار بر روی بیماری به پزشکان کمک میکند. در بررسی بیماریها، نقش اصلی و تعیین کننده را خود پزشک به عهده دارد و دادهکاوی ابزار مطمئنی برای کمک به تصمیم گیری بهتر و مطمئن تر برای پزشک میباشد.
از دیدگاه داده کاوی پیش بینی در تشخیص بیماری، جزء مسائل کلاسه بندی داده ها محسوب میشود. روش ها و الگوریتم های کلاسه بندی مختلفی در این زمینه وجود دارد. در این تحقیق، جهت تشخیص و پیشبینی اختلالات کبدی که موضوع اصلی تحقیق میباشد، از الگوریتمهای داده کاوی همچون درخت تصمیم،شبکه عصبی و … استفاده شده است و سپس برای بهبود دقت این الگوریتم ها از تکنیک ترکیب الگوریتم ها بهره برده ایم. این تکنیک تا حد امکان، بالاترین دقت پیش بینی را نسبت به سایر مدلها ارائه میکند.
مجموعه داده مورد استفاده در این پژوهش، مربوط به بیماران کبدی آندراپرادش هندوستان (ILPD) از مخزن داده UCI است که شامل 385 نمونه میباشد. ما در اینجا از تعداد کل نمونهها، 07 درصد دادهها را برای آموزش و 57 درصد را برای تست درنظر گرفته ایم. برای مقایسه و ارزیابی روش پیشنهادی نیز، از معیارهای بدست آمده از ماتریس اغتشاش استفاده میکنیم.