|
مقایسه عملکرد روش‌های شبکه عصبی مصنوعی پرسپترون چندلایه مبتنی بر الگوریتم wrapper، تحلیل ممیزی و رگرسیون لجستیک در تعیین عوامل خطر دیابت نوع 2
|
اقبال زندکریمی   ، مجید صادقی فر ، منصور رضایی |
|
|
|
چکیده: (5195 مشاهده) |
| هدف: در این مطالعه عملکرد پیش‌بینی سه مدل آماری جهت تعیین ریسک فاکتورهای دیابت مقایسه گردید.
مواد و روش‌ها: شاخص توده بدن (BMI)، قندخون ناشتا (FBS)، فشارخون (HT)، چربی‌های خون (TC، TG، HDL و LDL، HbA1C)، وزن و سابقه سیگار کشیدن از پرونده درمانی افراد تحت بررسی گردآوری شد. مدل‌های شبکه عصبی مصنوعی پرسپترون چندلایه (MLP) و تحلیل ممیزی (DA) رگرسیون لجستیک (LR) به منظور شناسایی ریسک فاکتورها بر داده‌ها برازش و از منحنی راک جهت مقایسه قدرت پیش‌بینی مدل‌ها استفاده شد. به‌منظور رفع مشکل بیش برازش(Overfitting ) در مدل MLP از الگوریتم Wrapper استفاده شد.
یافته‌ها: قدرت پیش‌بینی سه مدل MLP، DA و LR بر اساس سطح زیر منحنی راک به ترتیب برابر 984/0 و 981/0 و 983/0 برآورد گردید. متغیرهای FBS (0001/0P |
|
| واژه‌های کلیدی: شبکه عصبی مصنوعی پرسپترون چندلایه، رگرسیون لجستیک، تحلیل ممیزی، Wrapper، منحنی راک |
|
|
متن کامل [PDF 761 kb]
(1076 دریافت)
|
نوع مطالعه: پژوهشي |
موضوع مقاله:
عمومى
دریافت: 1395/7/13 | پذیرش: 1396/1/19 | انتشار: 1396/10/11
|
|
|
|
|
|
|
| ارسال پیام به نویسنده مسئول |
|
|
|
| ارسال نظر درباره این مقاله |
|
|
|
