Analysis of Factors Affecting Diabetes Mellitus by Using Data Mining Techniques

Abstract

This study used data mining techniques to predict diabetes patients by employing multilayer perceptrons, Nave Bayes, logistic regression, random forests, and decision trees to generate a patient forecasting model and compare the performance measures of data classification with a confusion matrix containing accuracy, precision, recall, and balance. (F-measure) and ROC (Receiver Operating Characteristic; ROC) curve that provides the greatest benefit. According to the findings of the study, the random forest technique provides the highest accuracy (99.75% with precision). The recall value for the risk of diabetes was 0.990%, while the risk of not having diabetes was 0.997%. The F-measure of the diabetes-risk model was 0.995%, while the F-measure of the no-risk model was 0.995%. 0.998%, and the ROC curve was 1.000% for both the diabetes and non-diabetes risks. In the future, the findings can be used to predict diabetes patients.

งานวิจัยนี้ได้ประยุกต์ใช้เทคนิคการทำเหมืองข้อมูลเพื่อพยากรณ์ผู้ป่วยโรคเบาหวาน ด้วยเทคนิคเพอร์เซ็ปตรอนแบบหลายชั้น (Multilayer perceptron) เทคนิคนาอีฟ เบย์ (Naïve bayes) เทคนิคโลจิสติก (Logistic Regression) เทคนิคป่าสุ่ม (Random forest) และเทคนิคต้นไม้ตัดสินใจ (Decision Trees) เพื่อสร้างแบบจําลองในการพยากรณ์ผู้ป่วยและนําค่าวัดประสิทธิภาพของการจําแนกประเภทข้อมูลมาเปรียบเทียบ โดยค่าความถูกต้อง (Accuracy) ค่าความแม่นยำ (Precision) ค่าความระลึก (Recall) ค่าความถ่วงดุล (F-measure) และการดูเส้นกราฟ ROC (Receiver operating characteristic; ROC) ที่ให้ค่ามากที่สุด ผลของการวิจัยพบว่า เทคนิคป่าสุ่ม (Random Forest) ให้ค่าความถูกต้องมากที่สุดที่อยู่ที่ 99.75% มีค่าความแม่นยํา (Precision) ในแบบที่มีความเสี่ยงต่อการเกิดโรคเบาหวานเท่ากับ 1.000% และในแบบที่ไม่มีความเสี่ยงต่อการเกิดโรคเบาหวานเท่ากับ 0.997% ที่ค่าความระลึก (Recall) ในแบบที่มีความเสี่ยงต่อการเกิดโรคเบาหวานเท่ากับ 0.990% และในแบบที่ไม่มีความเสี่ยงต่อการเกิดโรคเบาหวานเท่ากับ 1.000% ค่าความถ่วงดุล (F-measure) ในแบบที่มีความเสี่ยงต่อการเกิดโรคเบาหวานเท่ากับ 0.995% และในแบบที่ไม่มีความเสี่ยงต่อการเกิดโรคเบาหวานเท่ากับ 0.998% และการดูเส้นกราฟ ROC ในแบบที่มีความเสี่ยงต่อการเกิดโรคเบาหวานเท่ากับ 1.000% และในแบบที่ไม่มีความเสี่ยงต่อการเกิดโรคเบาหวานเท่ากับ 1.000% สามารถนําผลลัพธ์ที่ได้ไปใช้ในการประกอบการรักษาผู้ป่วยโรคเบาหวานต่อไปในอนาคต