Ein neuartiger Ansatz zur Vorhersage von Diabetes mellitus unter Verwendung einer modifizierten Extreme Learning Machine

Die Datenklassifikation und -vorhersage sind eine der Hauptaufgaben im Data Mining. Sie spielen weiterhin eine entscheidende Rolle im Bereich der Informatik und Datenverarbeitung. Clusterung und Klassifikation im Data Mining werden in verschiedenen Bereichen eingesetzt, um den verfügbaren Daten Bedeutung zu verleihen und nützliche Vorhersageergebnisse zu liefern, die auf einige der entscheidenden Problemstellungen der realen Welt angewendet werden können. Diabetes mellitus, auch bekannt als langsames Gift von medizinischen Experten, ist ein großes, alarmierendes und zunehmend globales Problem. In dieser Arbeit wurde das Konzept der modifizierten Extreme Learning Machine verwendet, um Patienten als diabetisch oder nicht-diabetisch zu identifizieren, basierend auf zuvor gegebenen Daten, was den medizinischen Fachkräften hilft, festzustellen, ob jemand von Diabetes betroffen ist oder nicht. Es beschreibt auch und vergleicht die Anwendung von zwei beliebten Methoden des maschinellen Lernens: Backpropagation-Neuronennetzwerk und modifizierte Extreme Learning Machine, die als binäre Klassifikatoren verwendet werden, um das Diabetes-Vorhersageproblem anzugehen. Diese beiden Ansätze werden auf dasselbe Typ von Multiklassen-Klassifikationsdatensätzen angewendet, und die Arbeit versucht, einige vergleichende Schlussfolgerungen aus den Trainings- und Testergebnissen zu ziehen. Die Datensätze, die in unserer Arbeit verwendet werden, stammen aus dem UCI-Lernrepository.