Hybride Technik zur assoziativen Klassifizierung von Herzkrankheiten

In den letzten Jahren hat die Gesundheitsbranche riesige Mengen von Gesundheitsdaten gesammelt, die leider nicht extrahiert werden, um verborgene Informationen für eine effektive Entscheidungsfindung zu entdecken. Die medizinischen Dienste haben heute einen langen Weg zurückgelegt, um Patienten mit verschiedenen Krankheiten zu behandeln. Eine der tödlichsten ist die Herzerkrankung, die mit bloßem Auge nicht zu erkennen ist und sofort auftritt. Die Sterblichkeitsrate ist aufgrund schlechter klinischer Entscheidungen gestiegen. Um eine zuverlässige und kosteneffiziente Behandlung zu erreichen, können computergestützte Informations- oder Entscheidungshilfesysteme entwickelt werden, die diese Aufgabe übernehmen. Data Mining bietet die Lösung für die Entdeckung von Wissen aus diesen großen und komplexen Datenbanken. Die Arbeit des Autors umfasst die Entwicklung eines Rahmens, der auf assoziativen Klassifizierungstechniken für Herzdaten basiert. Die Implementierung der Arbeit erfolgt auf dem Herzdatensatz aus dem UCI Machine Learning Repository, um verschiedene Methoden zu testen und zu bewerten, um bessere Ergebnisse zu erzielen. Die experimentellen Ergebnisse zeigen, dass die meisten assoziativen Klassifizierungsregeln die beste Vorhersage von Herzerkrankungen ermöglichen und zu einem zuverlässigen Entscheidungshilfesystem beitragen.