تدريسية من كلية العلوم الاسلامية تنشر بحث علمي حول نموذج التنبؤ بأمراض الكبد بناءً على مجموعة بيانات أخذ العينات الزائدة مع تحديد ميزة RFE باستخدام خوارزميات ANN و AdaBoost) في اندونيسيا
ضمن الإنجازات المتميزة في مجال البحث العلمي نشرت التدريسية في كلية العلوم الإسلامية بجامعة ديالى المدرس المساعد (ايلاف علي عبد الكريم )بحثا علميا في مجلة Buana Information Technology and Computer Sciences (BIT and CS) في اندونيسيا عن بحثها الموسوم (نموذج التنبؤ بأمراض الكبد بناءً على مجموعة بيانات أخذ العينات الزائدة مع تحديد ميزة RFE باستخدام خوارزميات ANN و AdaBoost)
تناول البحث استخدام تقنيات وخوارزميات في مجال الحاسبات..
حيث Machine Learning(ML) يمثل جزءاً من الذكاء الاصطناعي Artificial lntelligence(AI) حيث تخضع هذه الخوارزميات للاشراف من المدخلات والمخرجات البشرية من أجل دقة التنبؤ وعملية التدريب ولهذا السبب يتم استخدامها لمجموعة متنوعة من تطبيقات التصنيف ومما لاشك ان تطور التكنولوجيا والوصول اليها أسهل،
حيث تمت دراسة وتطبيق عمل هذه الخوارزميات على اشخاص مصابين بمرض الكبد، حيث تعد أمراض الكبد من أكثر الأمراض انتشارًا في جميع أنحاء العالم وقد أصبحت شديدة الانتشار شائعة هذه الأيام ويمكن أن تكون خطيرة. تتزايد أمراض الكبد في جميع أنحاء العالم بسبب الاختلاف عوامل مثل الاستهلاك المفرط للكحول وشرب المياه الملوثة وتناول الأطعمة الملوثة والتعرض للهواء الملوث. يشارك الكبد في العديد من الوظائف المتعلقة بجسم الإنسان وإن لم يكن كذلك تعمل بشكل صحيح يمكن أن تؤثر على الأجزاء الأخرى أيضًا. يمكن أن يساعد التنبؤ بالمرض في مرحلة مبكرة وتقليل مخاطر الشدة.
نفذ هذا البحث مجموعة البيانات المفرطة في أخذ العينات ، واختيار السمات ، وتحليل الأداء لتحسين دقة تصنيف مرضى الكبد على 3 مراحل. في المرحلة الأولى ، تم تطبيق خوارزمية تطبيع z -score على مريض الكبد الأصلي مجموعات البيانات التي تم جمعها من مستودع UCI ثم تعمل على زيادة العينات المتوازنة مجموعة البيانات.
في المرحلة الثانية ، يكون اختيار السمات أكثر أهمية باستخدام ميزة RFE اختيار.
في المرحلة الثالثة ، يتم تطبيق خوارزميات التصنيف على مجموعة البيانات. أخيرا ، التقييم تم إجراؤه بناءً على قيم الدقة. وهكذا تظهر المخرجات من التصنيف المقترح تشير التطبيقات إلى أن خوارزمية ANN تعمل بشكل أفضل من خوارزمية AdaBoost بمساعدة
اختيار الميزة بدقة 92.77٪.
