PRMT پيش بيني فاکتورهاي خطر ابتلا به چاقي در افراد ميان سال با استفاده از تکنيک داده کاوي

دانلود PRMT پيش بيني فاکتورهاي خطر ابتلا به چاقي در افراد ميان سال با استفاده از تکنيک داده کاوي همراه با هدیه ویژه پاورپوینت!

یک پیشنهاد بی‌نظیر برای شما!

با دریافت فایل PRMT پيش بيني فاکتورهاي خطر ابتلا به چاقي در افراد ميان سال با استفاده از تکنيک داده کاوي، یک پاورپوینت حرفه‌ای و جذاب را کاملاً رایگان از ما هدیه بگیرید.

چرا PRMT پيش بيني فاکتورهاي خطر ابتلا به چاقي در افراد ميان سال با استفاده از تکنيک داده کاوي بهترین انتخاب شماست؟

• به همراه فایل word این محصول فایل پاورپوینت (PowerPoint) و اسلاید های آن به صورت هدیه ارائه خواهد شد

  این مقاله، ترجمه شده یک مقاله مرجع و معتبر انگلیسی می باشد که به صورت بسیار عالی توسط متخصصین این رشته ترجمه شده است و به صورت فایل ورد (microsoft word) ارائه می گردد

  متن داخلی مقاله بسیار عالی، پر محتوا و قابل درک می باشد و شما از استفاده ی آن بسیار لذت خواهید برد. ما عالی بودن این مقاله را تضمین می کنیم

  فایل ورد این مقاله بسیار خوب تایپ شده و قابل کپی و ویرایش می باشد و تنظیمات آن نیز به صورت عالی انجام شده است؛ به همراه فایل ورد این مقاله یک فایل پاور پوینت نیز به شما ارئه خواهد شد که دارای یک قالب بسیار زیبا و تنظیمات نمایشی متعدد می باشد

  توجه : در صورت مشاهده بهم ريختگي احتمالي در متون زير ،دليل ان کپي کردن اين مطالب از داخل فایل مي باشد و در فايل اصلي PRMT پيش بيني فاکتورهاي خطر ابتلا به چاقي در افراد ميان سال با استفاده از تکنيک داده کاوي،به هيچ وجه بهم ريختگي وجود ندارد

  تعداد صفحات این فایل: 21 صفحه استاندارد: فایل PRMT پيش بيني فاکتورهاي خطر ابتلا به چاقي در افراد ميان سال با استفاده از تکنيک داده کاوي شامل به همراه فایل word این محصول فایل پاورپوینت (PowerPoint) و اسلاید های آن به صورت هدیه ارائه خواهد شد

  این مقاله، ترجمه شده یک مقاله مرجع و معتبر انگلیسی می باشد که به صورت بسیار عالی توسط متخصصین این رشته ترجمه شده است و به صورت فایل ورد (microsoft word) ارائه می گردد

  متن داخلی مقاله بسیار عالی، پر محتوا و قابل درک می باشد و شما از استفاده ی آن بسیار لذت خواهید برد. ما عالی بودن این مقاله را تضمین می کنیم

  فایل ورد این مقاله بسیار خوب تایپ شده و قابل کپی و ویرایش می باشد و تنظیمات آن نیز به صورت عالی انجام شده است؛ به همراه فایل ورد این مقاله یک فایل پاور پوینت نیز به شما ارئه خواهد شد که دارای یک قالب بسیار زیبا و تنظیمات نمایشی متعدد می باشد

  توجه : در صورت مشاهده بهم ريختگي احتمالي در متون زير ،دليل ان کپي کردن اين مطالب از داخل فایل مي باشد و در فايل اصلي PRMT پيش بيني فاکتورهاي خطر ابتلا به چاقي در افراد ميان سال با استفاده از تکنيک داده کاوي،به هيچ وجه بهم ريختگي وجود ندارد

  تعداد صفحات این فایل: 21 صفحه منظم و آماده استفاده است.

• مورد تأیید علمی: فایل PRMT پيش بيني فاکتورهاي خطر ابتلا به چاقي در افراد ميان سال با استفاده از تکنيک داده کاوي بر اساس استانداردهای دانشگاهی تدوین شده و برای پروژه‌های علمی مناسب است.
• طراحی بی‌نقص: فایل PRMT پيش بيني فاکتورهاي خطر ابتلا به چاقي در افراد ميان سال با استفاده از تکنيک داده کاوي با ساختاری مرتب و منظم طراحی شده که کار با آن را آسان می‌کند.
• هدیه رایگان: همراه با PRMT پيش بيني فاکتورهاي خطر ابتلا به چاقي در افراد ميان سال با استفاده از تکنيک داده کاوي، یک پاورپوینت شکیل و حرفه‌ای نیز به شما تقدیم می‌شود.
• آماده ارائه: PRMT پيش بيني فاکتورهاي خطر ابتلا به چاقي در افراد ميان سال با استفاده از تکنيک داده کاوي و پاورپوینت هدیه به‌گونه‌ای طراحی شده‌اند که بدون نیاز به ویرایش، برای جلسات و ارائه‌ها آماده باشند.
• مطالب به‌روز و مفید: محتوای علمی PRMT پيش بيني فاکتورهاي خطر ابتلا به چاقي در افراد ميان سال با استفاده از تکنيک داده کاوي به‌گونه‌ای تدوین شده که فهم مطالب را برای شما آسان‌تر کند.
• قابلیت ویرایش آسان: فایل PRMT پيش بيني فاکتورهاي خطر ابتلا به چاقي در افراد ميان سال با استفاده از تکنيک داده کاوي به‌راحتی قابل تغییر و سفارشی‌سازی است.
• تضمین کیفیت: کیفیت PRMT پيش بيني فاکتورهاي خطر ابتلا به چاقي در افراد ميان سال با استفاده از تکنيک داده کاوي و پاورپوینت هدیه تضمین‌شده است و پشتیبانی کامل ارائه می‌شود.

---

چکیده :

چاقی یک وضعیت آناتومی است که با رشد شدید چربی بدن مشخص می شود. میزان چاقی به تدریج افزایش می یابد، با توجه به مقالات پیشین، چاقی بیماری جدی سلامت در جهان است. در این مطالعه 259 داده از مناطق شهری و روستایی با توجه به میزان مختلف خطر ناشی از فعالیت های روزمره جمع آوری شد. هدف از مطالعه، شبیه سازی عامل خطر با استفاده از ابزار آماری (SPSS) است که به پیش بینی عامل اصلی خطر چاقی با تست سطح کلاس و مطالعه مقطعی دیگر ویژگی ها کمک می کند. با آنالیز (P-value (p <0.05، دریافتیم سن (0.002)، قد (0.002)، وزن( 0.000)، شیوه زندگی سالم (0.000)، وضعیت زناشویی (0.001)، BMI ( 0.000) ، اقتصادی (0.028)، خواب در روز (0.011) دارای ارتباط معناداری با کلاس چاقی دارد. در این مطالعه یک روش ریسک داده کاوی (PRMT) برای پیش بینی مدلی به منظور تحلیل عامل خطر ابتلا به چاقی با استفاده از طبقه بندی های مختلف داده کاوی ، با استفاده از WEKA برای برآورد دقت و خطا پیشنهاد شد. نتیجه این فرایند Naïve Bayes بهترین طبقه بندی برای مطالعه 10 برابر اعتبارسنجی است. مدل پیشنهادی برای پیش بینی عامل انسانی موثر در کنترل و کاهش بیماری قلبی عروقی است.

کلیدواژه ها: چاقی | خطر سرماخوردگی | بیماری قلبی عروقی | طبقه بندی

عنوان انگلیسی:

PRMT: Predicting Risk Factor of Obesity among Middle-Aged People Using Data Mining Techniques

~~en~~ writers :

Rifat Hossaina,*, S M Hasan Mahmuda, Md Altab Hossinb, Sheak Rashed Haider Nooric, Hosney Jahan

Obesity is an anatomical condition characterized by an extreme growth of body fat. The obesity rate is increasing gradually;
from prior research, obesity is the serious health disease in the globe. This study collected 259 data from specified urban and
rural areas regarding different risk factor of our daily activities. The purpose of the study is to simulate the risk factor by using
statistical tools (SPSS), which helpsto predict the major risk factor of obesity by testing the class level attribute according to
cross-sectional study with other attributes. By analyzing the P-value (p<0.05), the outcome of this process Age (0.002), Height
(0.002), Weight 0.000), Healthy lifestyle (0.000), Marital status (0.001), BMI (0.000), Economic (0.028), Sleep per day (0.011)
has a significant relationship with our obesity class. This study proposed a risk mining technique (PRMT)that foretells a model
to analyze the risk factor of obesity class using different data mining classifiers, using WEKA to estimate the accuracy and
error measurement. The outcome of this process Naïve Bayes is the best classifier for the 10-fold cross-validation study. The
proposed model collaborates to predict human factor who want to control and mitigate this major cardiovascular disease.

Keywords: obesity | risk mining | data mining | cardiovascular disease | classification

$$en!!

شماره پشتیبانی برای ارسال اس ام اس : 09054791747