[صفحه اصلی ]   [Archive] [ English ]  
:: صفحه اصلي :: درباره نشريه :: آخرين شماره :: تمام شماره‌ها :: جستجو :: ثبت نام :: ارسال مقاله :: تماس با ما ::
:: جلد 20، شماره 1 - ( زمستان 1396 ) ::
جلد 20 شماره 1 صفحات 71-80 برگشت به فهرست نسخه ها
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:   (815 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<) و HbA1C (0001/0P<)، وزن (001/0P<BMI (01/0P<) و LDL (003/0P<) در مدل LR و متغیرهای HT ,SIGAR ,Hba1c ,FBS با 0001/0 P<در مدل DA و متغیرهای سن، FBS، TG، HbA1C، BMI، HT و TC با توجه به روش راپر، در مدلMLP معنادار بودند. مدل MLP (97%) حساسیت بالاتری را نسبت به LR (94%)و DA (92%) نشان داد. هم‌چنین مدلMLP  (97%) ویژگی بالاتری نسبت بهLR  (92%) وDA  (3/93%) را داشت.
نتیجه‌گیری: با توجه به یافته‌های این مطالعه سه روش LR، DA و MLP، جهت کشف تفاوت‌ها تقریبا مشابه بودند. بنابراین پیشنهاد می شود در مواردی که نیاز به تفسیر ساده اثر متغیرها وجود دارد از روش LR که معیاری مانند OR را فراهم می­نماید، استفاده شود. این در حالی است که  روش MLP مانند یک جعبه سیاه عمل می­کند که نوع رابطه بین متغیرها در آن نامشخص است. همچنین پیشنهاد می­شود که عملکرد روش­های فوق با استفاده مجموعه داده­های دیگر نیز با یکدیگر مقایسه شود و مطالعات بیشتری انجام شود.
واژه‌های کلیدی: شبکه عصبی مصنوعی پرسپترون چندلایه، رگرسیون لجستیک، تحلیل ممیزی، Wrapper، منحنی راک
متن کامل [PDF 761 kb]   (111 دریافت)    
نوع مطالعه: پژوهشي | موضوع مقاله: عمومى
دریافت: ۱۳۹۵/۷/۱۳ | پذیرش: ۱۳۹۶/۱/۱۹ | انتشار: ۱۳۹۶/۱۰/۱۱
ارسال پیام به نویسنده مسئول

ارسال نظر درباره این مقاله
نام کاربری یا پست الکترونیک شما:

کد امنیتی را در کادر بنویسید >


XML   English Abstract   Print


Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:

zandkarimi E, Sadeghifar M, Rezaei M. Comparison of multilayer perceptron neural network based on wrapper algorithm, discriminant analysis and logistic regression in determining risk factors of type 2 diabetes. koomesh. 2018; 20 (1) :71-80
URL: http://koomeshjournal.semums.ac.ir/article-1-3648-fa.html

زندکریمی اقبال، صادقی فر مجید، رضایی منصور. مقایسه عملکرد روش‌های شبکه عصبی مصنوعی پرسپترون چندلایه مبتنی بر الگوریتم wrapper، تحلیل ممیزی و رگرسیون لجستیک در تعیین عوامل خطر دیابت نوع 2. نشریه كومش. 1396; 20 (1) :71-80

URL: http://koomeshjournal.semums.ac.ir/article-1-3648-fa.html



جلد 20، شماره 1 - ( زمستان 1396 ) برگشت به فهرست نسخه ها
کومش Koomesh
Persian site map - English site map - Created in 0.06 seconds with 31 queries by YEKTAWEB 3638