پیش بینی وضعیت آینده زندگی بیماران مبتلا به بیماری هپاتیت به کمک تکنیک های درختی رپیدماینر

توضیحات کلی : 

ما در این پروژه قصد داریم به پیش بینی پیش بینی وضعیت آینده زندگی بیماران مبتلا به بیماری هپاتیت به کمک تکنیک های درختی در نرم افزار پر قدرت رپیدماینر بپردازیم.

در ابتدای امر به پیش پردازش داده های خود می پردازیم؛ سپس ابعاد داده ها را کاهش می دهیم تا سرعت پیش بینی سیستم بالا برود سپس به کمک چندین مدل معتبر در رپیدماینر که همگی به صورت درختی می باشد سیستم خود را مدل کرده و کارایی آن را اندازه می گیریم و در انتها نتایج مورد نظر را بررسی و نمایش می دهیم.

دیتاست : مجموعه داده مورد استفاده در این پژوهش یک مجموعه داده استاندارد از بیماران مبتلا به هپاتیت می باشد و شامل ستون های 

AGE, SEX, STEROID, ANTIVIRALS, FATIGUE, MALAISE, ANOREXIA, LIVER BIG, LIVER FIRM, SPLEEN PALPABLE, SPIDERS, ASCITES, VARICES, BILIRUBIN, ALK PHOSPHATE, SGOT, ALBUMIN, PROTIME, HISTOLOGY, Class

می باشد که ما قصد داریم ستون Class را پیش بینی کنیم. این کار را به کمک الگوریتم  های درختی در رپیدماینر انجام می دهیم. این دیتاست یک دیتاست استاندارد در UCI می باشد.