Ein hybrider Ansatz unter Verwendung von Naïve Bayes und genetischem Algorithmus zur Vorhersage von Fettleibigkeit bei Kindern

Naïve Bayes ist eine Technik des Data Minings, die von vielen Forschern zur Vorhersage in verschiedenen Bereichen verwendet wurde. Dieses Papier präsentiert einen Rahmen für einen hybriden Ansatz, der Naïve Bayes für die Vorhersage und den genetischen Algorithmus zur Parameteroptimierung verwendet. Dieser Rahmen ist eine Lösung für das Problem der Vorhersage von Fettleibigkeit bei Kindern, das ein kleines Verhältnis negativer Proben im Vergleich zu positiven Proben aufweist. Naïve Bayes hat eine Schwäche bei der Vorhersage, die einen Parameter mit dem Wert Null umfasst. Daher schlagen wir in diesem Papier eine Lösung für diese Schwäche vor, nämlich die Verwendung der Optimierung durch einen genetischen Algorithmus. Die Studie beginnt mit einer Literaturübersicht zum Problem der Fettleibigkeit bei Kindern und geeigneten Data-Mining-Techniken zur Vorhersage von Fettleibigkeit bei Kindern. Als Ergebnis der Überprüfung wurden 19 Parameter ausgewählt und die Naïve Bayes-Technik zur Vorhersage von Fettleibigkeit bei Kindern implementiert. Das erste Experiment zur Identifizierung der Nutzbarkeit des vorgeschlagenen Ansatzes hat eine 75%ige Verbesserung der Genauigkeit ergeben.