Classificação de Doenças de Pele usando Técnicas de Mineração de Dados em Conjunto

Objetivo: Doenças de pele são um grande problema de saúde global associado a um alto número de pessoas. Com o rápido desenvolvimento das tecnologias e a aplicação de várias técnicas de mineração de dados nos últimos anos, o progresso da classificação preditiva dermatológica se tornou cada vez mais preditivo e preciso. Portanto, o desenvolvimento de técnicas de aprendizado de máquina, que podem diferenciar efetivamente a classificação de doenças de pele, é de vasta importância. Até agora, nas técnicas de aprendizado de máquina aplicadas à previsão de doenças de pele, nenhuma técnica supera todas as outras. Métodos: Neste artigo de pesquisa, apresentamos um novo método, que aplica cinco técnicas diferentes de mineração de dados e, em seguida, desenvolve uma abordagem em conjunto que consiste em todas as cinco técnicas diferentes de mineração de dados como uma única unidade. Utilizamos dados informativos de Dermatologia para analisar diferentes técnicas de mineração de dados para classificar a doença de pele e, em seguida, um método de aprendizado de máquina em conjunto é aplicado. Resultados: O método em conjunto proposto, que é baseado em aprendizado de máquina, foi testado em conjuntos de dados dermatológicos e classifica o tipo de doença de pele em seis classes diferentes, como C1: psoríase, C2: dermatite seborreica, C3: líquen plano, C4: pityriasis rosea, C5: dermatite crônica, C6: pityriasis rubra. Os resultados mostram que a precisão preditiva dermatológica do conjunto de dados de teste aumentou em comparação com um classificador único. Conclusão: O método em conjunto utilizado em conjuntos de dados dermatológicos apresenta melhor desempenho em comparação com diferentes algoritmos de classificador. O método em conjunto proporciona previsão de doenças de pele mais precisa e eficaz.