Séminaire Mathématique de Béjaia
Volume 18, Numéro 1, Pages 65-84
2020-12-31
Application Des Méthodes D’apprentissage Dans La Prédiction Du Diabète De Type 2.
Auteurs : Mehidi Damia . Medjoudj Siham . Adel-aissanou Karima . Aïssani Djamil .
Résumé
L’utilisation des systèmes experts et les techniques dites intelligentes en diagnostic médical ne cesse d’augmenter graduellement. L’apprentissage automatique est une méthode parmi d’autres utilisées dans le diagnostic médical. Cet article présente une approche d’apprentissage supervisé basé sur les algorithmes K-Plus Proche Voisin (K-PPV), SVM, Naïve Bayes, Radom Forest, Décision Tee classifier (Arbre de décision), pour reconnaitre les personnes susceptibles de développer un diabète en utilisant deux bases de données différentes, à savoir, celles du CHU et du cabinet privé du Dr Djamel MEHIDI. Les performances des classifieurs ont été comparées en fonction du taux de précision, temps d’exécution. Les plus hauts taux de classification obtenus par l’application de Radom Forest et Naïve Bayes sont respectivement 86% et 85%, en appliquant l’approche 10-folds cross-validation.
Mots clés
Prédiction du diabète, K-Plus Proche Voisin (K-PPV), SVM, Naïve Bayes, Radom Forest, Arbre de décision.
Les articles similaires
Maizai Abdelhakim
.
Hocine Abdelkader
.
Ghouaoula Abdelhamid
.
Hadj Meliani Mohamed
.
pages 245-253.
Lounici Mosbah Nora
.
pages 141-169.
Marmi Ramdane
.
Benaïssa A
.
pages 3-13.
Khater Sarra
.
Aouar Amaria
.
Moqaddem Zakarya
.
Hamdaoui Houari
.
Chabni Nafissa
.
Bendeddouche Ahmed Salih
.
Sidi Yekhlef Adel
.
Moussouni Abdellatif
.
Belkhatir Djamel
.
pages 614-625.
Adel Gouri
.
Bouchareb Mohamed
.
Dekaken Aoulia
.
Bentorki Ahmed Aimen
.
Chefrour Mohamed
.
Guieu Régis
.
Benharkat Sadek
.
pages 56-59.
