كنفرانس بين المللی مهندسی صنايع و سيستم ها

صفحه اصلی / یازدهمین كنفرانس بين المللی مهندسی صنايع و سيستم ها

ترکیب روش‌های نمونه‌گیری مجدد و تصمیم‌گیری چندمعیاره برای بهبود تشخیص دیابت در داده‌های نامتوازن

نویسندگان :

علی اُمّی¹ عباس فروزان‌فر²

1- دانشگاه صنعتی شریف 2- دانشگاه صنعتی شریف

کلمات کلیدی :

داده‌های نامتوازن،بیش نمونه‌گیری،کم نمونه‌گیری،یادگیری ماشین،طبقه‌بندی،تصمیم‌گیری چندمعیاره

چکیده :

در این تحقیق، چالش‌های طبقه‌بندی داده‌های نامتوازن، به‌ویژه در زمینه داده‌های پزشکی مانند تشخیص دیابت، موردبررسی قرار گرفته است. این مطالعه تأثیر روش‌های مختلف نمونه‌گیری مجدد، شامل بیش نمونه‌گیری و کم نمونه‌گیری، در بهبود عملکرد مدل‌های طبقه‌بندی را ارزیابی می‌کند. این پژوهش با ترکیب گسترده روش‌های بیش نمونه‌گیری (چهار روش) و کم نمونه‌گیری (چهار روش) و به‌کارگیری چارچوب تصمیم‌گیری چندمعیاره برای وزن‌دهی معیارها و رتبه‌بندی، یک چارچوب یکپارچه و عملی برای انتخاب بهینه روش‌های نمونه‌‌گیری مجدد در تشخیص دیابت از مجموعه‌داده بزرگ BRFSS ارائه می‌دهد. الگوریتم‌های یادگیری ماشین مانند XGBoost و ماشین بردار پشتیبان (SVM) به‌کارگرفته‌شده و تأثیر این روش‌ها بر دقت مدل‌ها ارزیابی شده است. نتایج نشان می‌دهند که به طور میانگین، معیار حساسیت در تمام روش‌های نمونه‌گیری مجدد بهبود داشته و به طور متوسط %87.32 افزایش یافته است. این افزایش به‌ویژه در روش XGBoost بیشترین سهم را داشته است. همچنین، در تمامی روش‌ها معیار F1-score نیز بهبود قابل‌توجهی نشان داده است. اگرچه معیار AUC تغییرات چندانی نداشت، اما این نتایج نشان‌دهنده بهبود عملکرد مدل‌ها در شناسایی کلاس اقلیت (افراد دیابتی) هستند. برای انتخاب بهترین روش‌های نمونه‌گیری، از روش تصمیم‌گیری چندمعیاره (MCDM) شامل تحلیل سلسه مراتبی (AHP) برای وزن دهی به معیار‌ها و روش MAIRCA برای رتبه بندی و تعیین اولویت میان روش‌های طبقه‌بندی و نمونه‌گیری مجدد استفاده شده است.