การเปรียบเทียบประสิทธิภาพของเทคนิคเหมืองข้อมูลสำหรับอุบัติการณ์ของผู้ป่วย
Article Sidebar
Main Article Content
บทคัดย่อ
งานวิจัยนี้มีวัตถุประสงค์เพื่อศึกษาประสิทธิภาพของเทคนิคเหมืองข้อมูลในข้อมูลที่หลากหลาย ข้อมูลในงานวิจัยนี้ประกอบด้วยข้อมูลผู้ป่วยโรคมะเร็งเต้านม ผู้ป่วยโรคเบาหวาน และผู้ป่วยโรคไฮเปอร์ไทรอยด์ โดยข้อมูลทั้งหมดถูกรวบรวมมาจากฐานข้อมูล UCI จำนวนทั้งหมด 3 ชุดข้อมูล ในงานวิจัยนี้ได้นำเอาเทคนิคในเหมืองข้อมูล 5 เทคนิค ได้แก่ Decision Tree C4.5, Naive Bayes, Neural Networks, Random Forest, Deep Learning มาทำการสร้างแบบจำลองเพื่อการพยากรณ์การเกิดโรค โรคมะเร็งเต้านม โรคเบาหวาน และโรคไฮโปไทรอยด์ ในการวัดประสิทธิภาพ 10-fold cross validation ได้ถูกนำมาใช้ในการแบ่งข้อมูลออกเป็นกลุ่มฝึกสอน และ กลุ่มทดสอบ ค่าความถูกต้อง ค่าความไว และค่าความจำเพาะ ได้ถูกนำมาใช้ในการเปรียบเทียบประสิทธิภาพการพยากรณ์ของแต่ละแบบจำลอง จากการทดลองพบว่า เทคนิค Decision Tree เป็นเทคนิคที่ดีที่สุดในการสร้างแบบจำลองในการพยากรณ์โรคไฮโปไทรอยด์ โดยให้ค่าความถูกต้อง 99.86 % ค่าความไว 99.85 % และค่าความจำเพาะ 100 %
Article Details
References
2. พิมพ์ใจ อันทานนท์. (11/6/2020). โรคเบาหวาน. Available: https://www.dmthai.org/index.php/knowledge/for-normal-person/health-information-and-articles/health-information-and-articles-old-3/846-2019-04-20-01-49-18
3. เมดไทย. (11/6/2020). ไทรอยด์เป็นพิษ (ไฮเปอร์ไทรอยด์) อาการ, สาเหตุ, การรักษา ฯลฯ. Available: https://medthai.com/%E0%B9%84%E0%B8%97%E0%B8%A3%E0%B8%AD%E0%B8%A2%E0%B8%94%E0%B9%8C%E0%B9%80%E0%B8%9B%E0%B9%87%E0%B8%99%E0%B8%9E%E0%B8%B4%E0%B8%A9/
4. G. Schuh, J.-P. Prote, and P. Hünnekes, "Data mining methods for macro level process planning," Procedia CIRP, vol. 88, pp. 48-53, 2020/01/01/ 2020.
5. F. Qi, Z. Chang-jie, and Y. Liu, "Predicting breast cancer recurrence using data mining techniques," in 2010 International Conference on Bioinformatics and Biomedical Technology, 2010, pp. 310-311.
6. V. R. Balpande and R. D. Wajgi, "Prediction and severity estimation of diabetes using data mining technique," in 2017 International Conference on Innovative Mechanisms for Industry Applications (ICIMIA), 2017, pp. 576-580.
7. ชณิดาภา บุญประสม. (25/9/2020). การวิเคราะห์การทํานายการลาออกกลางคันของนักศึกษาระดับปรญญาตรีโดยใช้เทคนิควิธีการทําเหมืองข้อมูล. Available: http://research.fte.kmutnb.ac.th/download.php?filename=620701000056&filepath=20190701155744.pdf
8. A. G. Maninder Kaur. A Framework for the Indirect Assessment Tool for Outcome Based Education Using Data Mining. Available: https://ieeexplore.ieee.org/document/8782336
9. ทิพย์หทัย ทองธรรมชาติ. (26/9/2020). การคัดเลือกคุณลักษณะเพื่อสร้างโมเดลส าหรับการพยากรณ์ผลสัมฤทธิ์ทางการเรียน
ด้วยเทคนิคเหมืองข้อมูล. Available: https://research.kpru.ac.th/sac/fileconference/10912018-05-01.pdf
10. M. Rastgou, H. Bayat, M. Mansoorizadeh, and A. S. Gregory, "Estimating the soil water retention curve: Comparison of multiple nonlinear regression approach and random forest data mining technique," Computers and Electronics in Agriculture, vol. 174, p. 105502, 2020/07/01/ 2020.
11. A. Dogan and D. Birant, "Machine learning and data mining in manufacturing," Expert Systems with Applications, vol. 166, p. 114060, 2021/03/15/ 2021.