پيش بيني ميزان چاقي بر اساس متغيرهاي رفتاري افراد با استفاده از تكنيك هاي داده كاوي

كارشناسي ارشد

چاقي اصطلاحي است كه به وزن اضافي بدن يا نسبت غير طبيعي چربي بدن تعبير مي شود و معمولا با شاخص توده بدني تخمين زده مي شود. اين بيماري به يك همه گيري اپيدميك در جهان رسيده است و از آنجا كه چاقي به طور نگران كننده اي در حال افزايش است، علاقه زيادي به مطالعه درباره اين بيماري و عوارض مربوط به آن وجود دارد و آن را به يك حوزه جذاب براي تحقيق بدل كرده است. تلاش هاي بسياري براي توسعه برنامه هاي كاربردي براي بهبود دانش ، تشخيص ، درمان و پيگيري بيماران چاق صورت گرفته است و با پيشرفت تكنولوژي بهتر است به روش هاي جديد رو آوريم. از جمله اين روش هاي جديد، داده كاوي است كه پتانسيل بسيار خوبي براي كشف الگوهاي پنهان در مجموعه داده دارد. در اين پژوهش دو هدف دنبال شده است. هدف اول بررسي عواملي است كه در گروه هاي مختلف منجر به چاقي با دو معيار شاخص توده بدني و اندازه دور كمر (چاقي شكمي) مي شوند. بدين منظور از يك مجموعه داده آمريكايي كه شامل ميزان تغذيه و فعاليت بدني افراد بود، استفاده شد. مجموعه داده ابتدا خوشه بندي شده و سپس با استفاده از درخت تصميم قوانيني از آن استخراج شد و قوانين خوشه ها با يكديگر مقايسه شدند. هدف دوم مقايسه روش هاي مختلف استخراج ويژگي با استفاده از تكنيك هاي مبتني بر درخت است. از آنجا كه مجموعه داده يك مجموعه داده نامتوازن شناخته مي شود، لازم است روشي براي بهبود پيش بيني در طبقه چاق ارائه شود. در اين پژوهش سه روش استخراج ويژگي مبتني بر درخت كه يكبار روي مجموعه داده اصلي و بار ديگر روي مجموعه داده متوازن شده اعمال شدند، با يكديگر مقايسه شدند. نتايج در هدف اول نشان داد كه فعاليت بدني و تحرك بالا در افراد،فارغ از هر مساله غير قابل كنترل ديگري مثل سن، نژاد و جنسيت، مي تواند ابتلا به چاقي را كنترل كند. در هدف دوم نيز، الگوريتم تركيبي عملكرد بهتري را نسبت به الگوريتم هاي تكي نشان داد و استخراج ويژگي با جنگل تصادفي، بهترين روش استخراج ويژگي در داده اصلي بود.

211263

دانشگاه علم و صنعت ايران

روزبه قوسي

مهندسي صنايع

عبدالرحمن حائري