मधुमेह भविष्यवाणी में डेटा खनन और फजी लॉजिक तकनीकों की तुलनात्मक Anatomization

मधुमेह एक ऐसी बीमारी है जिसमें रक्त में ग्लूकोज का स्तर उच्च दरों पर बढ़ता है क्योंकि शरीर इसे चयापचय करने में असमर्थ होता है। यह तब होता है जब शरीर पर्याप्त मात्रा में इंसुलिन का उत्पादन नहीं करता या यह ठीक से प्रतिक्रिया नहीं करता। यदि मधुमेह का प्रबंधन या सही उपचार नहीं किया जाता है, तो यह गंभीर और दीर्घकालिक स्वास्थ्य समस्याएं उत्पन्न कर सकता है, जिसमें: हृदय की समस्याएं, फेफड़ों के विकार, त्वचा और जिगर की जटिलताएं, स्नायु क्षति आदि शामिल हैं। मधुमेह रोगियों की बढ़ती संख्या के साथ, इसका जल्दी पता लगाना आवश्यक हो जाता है। इस लेख में, हमारे प्रमुख फोकस क्षेत्र मधुमेह निदान में उपयोग की जाने वाली डेटा खनन और फजी लॉजिक तकनीकें हैं। डेटा खनन विशाल डेटा सेट में पैटर्न खोजने के लिए मशीन लर्निंग, डेटाबेस हेरफेर और सांख्यिकी के विभिन्न तरीकों के संयोजन का उपयोग करता है। डेटा खनन अपेक्षित परिणाम को ध्यान में रखते हुए बड़े डेटा की जांच के लिए कई तरीके प्रदान करता है ताकि छिपा ज्ञान पाया जा सके। फजी लॉजिक मानव तर्क प्रणाली के समान है और इसलिए यह चिकित्सा निदान के डेटा में पाई जाने वाली अनिश्चितताओं को संभाल सकता है। इन प्रणालियों को विशेषज्ञ प्रणालियों कहा जाता है। फजी विशेषज्ञ प्रणालियां (FES) उपलब्ध डेटा से ज्ञान का विश्लेषण करती हैं जो अस्पष्ट हो सकता है और चिकित्सा पाठों के लिए अपने मूल के रूप में बड़ी निकटता के साथ भाषाई अवधारणा का सुझाव देती हैं। इस लेख में, कार्यप्रणाली अनुभाग विभिन्न कार्यों की पाइपलाइन प्रस्तुत करता है जैसे डेटा सेट का चयन, मानकीकरण, सामान्यकरण आदि जैसे कई तरीकों का उपयोग करके डेटा को पूर्व-प्रसंस्करण करना। इसके बाद, सटीकता बढ़ाने के लिए डेटा सेट पर विशेषता निष्कर्षण तकनीक लागू की जाती है और अंततः डेटा खनन और फजी लॉजिक विभिन्न वर्गीकरण एल्गोरिदम पर काम किया जाता है। विभिन्न डेटा खनन विधियों का विश्लेषण करते समय, रैंडम फ़ॉरेस्ट क्लासिफायर के माध्यम से क़ीमतीता 99.7% तक मापी गई और कई फजी लॉजिक दृष्टिकोणों के मामले में, उच्च सटीकता और कम जटिलता ने 96% की अपेक्षाकृत उच्च सटीकता में योगदान दिया।