AI Summary & Key Takeaways
AI InsightExperimental evaluations show that the proposed approach performs better than other algorithms on predicting CBR.
📌 3 Key Takeaways
Abstract
Chronic kidney disease (CBR) has increased in recent years by affecting the lives of people adversely. It affects kidneys and prevents them doing their normal duties properly. Without early diagnosis and treatment of CBR, it can trigger diseases such as high blood pressure, heart disease, diabetes mellitus and kidney failure and it can even cause deaths. For this reason, it is important to diagnose and predict CBR early. In the literature, various heuristic and non-heuristic data mining classification techniques have been applied on predicting CBR. In this study, it is proposed to use the rotation forest algorithm as a non-heuristic collective data mining method for predicting CBR. Experimental evaluations show that the proposed approach performs better than other algorithms on predicting CBR.
Özet
Kronik böbrek rahatsızlığı (KBR) son günlerde artarak insanların yaşamını olumsuz etkileyen veböbreklere zarar vererek normal görevlerini uzun süre yapmalarını engelleyen bir rahatsızlıktır.KBR'nin erken tanı ve tedavisi yapılmaz ise yüksek tansiyon, kalp rahatsızlığı, şeker rahatsızlığı,böbrek yetmezliği gibi hastalıkları da tetikleyebilmekte ve rahatsızlığa bağlı ölümler artabilmektedir.Bu nedenle kronik böbrek rahatsızlığının teşhis ve tahmininin erken yapılması önemlidir. LiteratürdeKBR tahmini için sezgisel ve sezgisel olmayan veri madenciliği teknikleri uygulanmıştır. Buçalışmada KBR'nin tahmini için sezgisel olmayan kolektif veri madenciliği yöntemlerinden olanrotasyon orman algoritmasınının kullanılması önerilmiştir. Deneysel sonuçlar önerilen yaklaşımın,kronik böbrek rahatsızlığını tahmin etmede, diğer algoritmalarından daha iyi performans sergilediğinigöstermiştir.