Tecnica ibrida per la classificazione associativa delle malattie cardiache - Jagdeep Singh - Bog

Negli ultimi anni l'industria della sanità raccoglie enormi quantità di dati sanitari che, purtroppo, non vengono estratti per scoprire informazioni nascoste per un processo decisionale efficace. Oggi i servizi medici hanno fatto molta strada per curare i pazienti affetti da varie malattie. Tra le più fatali c'è la cardiopatia, che non può essere vista a occhio nudo e si manifesta all'istante. Il tasso di mortalità è aumentato a causa di decisioni cliniche sbagliate. Per ottenere un trattamento affidabile e conveniente si possono sviluppare sistemi di informazione o di supporto alle decisioni basati su computer. Il data mining fornisce la soluzione per la scoperta della conoscenza da questi grandi e complessi database. Il lavoro dell'autore prevede lo sviluppo di un framework basato su tecniche di classificazione associativa su dataset cardiaci. L'implementazione del lavoro è stata effettuata su un set di dati cardiaci provenienti dall'UCI Machine Learning Repository per testare e valutare i diversi risultati. I risultati sperimentali mostrano che la maggior parte delle regole di classificazione associativa aiutano a prevedere meglio le malattie cardiache e a creare un sistema di supporto decisionale affidabile.