الفهرس 
Chapter 1Only 14 pages are availabe for public view
 |  | from | 149 |  |  |
| | | from | 149 | | |
Abstract
في السنوات الأخيرة ، يعاني الناس في جميع أنحاء العالم من معاناة لا توصف من أمراض الكلى المختلفة. كان الوضع أسوأ بشكل ملحوظ بسبب مرض الكلى المزمن (CKD) فقط من خلال التشخيص المبكر لمرض الكلى المزمن قد يمنع مرض الكلى في مراحله المبكرة عن التقدم. ومع ذلك ، فمن الأسهل اكتشاف مرض الكلى المزمن بمساعدة خوارزميات مصنفة التعلم الآلي في وقت أقرب من أي طرق أخرى موجودة. يقترح العمل الحالي علي ثلاثة خطوات رئيسية. الخطوة الأولي هي معالجة البيانات و يشمل تحجيم البيانات وتشفيرها وأهمية استبدال القيم المفقودة و الطرق المختلفة لاستبدالها. الخطوة الثانية تشمل استخلاص السمات المميزة للتصنيف وأنواع عملية استخلاص السمات . الخطوة الثالثة هي استخدام عدة خوارزميات مختلفة لتعلم الآلة (ML) مثل ؛ الغابات العشوائية (RF) ، التحيز البسيط (NB) ، آلة متجه الدعم (SVM) ، شجرة القرار (DT) ، الانحدار اللوجستي (LR) ، تعزيز التدرج الشديد (XGB) ، التعزيز التكيفي (ADA) ، الجار الأقرب (KNN)، والشبكة العصبية (NN). تم استخدام خوارزميات تعلم الآلة وتطبيقها في أكثر من تجربة ، ثم تمت مقارنتهم باستخدام ستة مقاييس للأداء. يتم استخدام درجة F1 والدقة و الصحة والاستدعاء ووقت التشغيل ودرجة AUC لتقييم الأداء. أظهرت النتائج أن ADA تفوق على التقنيات الأخرى بدقة تصل إلى 100٪ في التصنييف الثنائي. كما أظهرت النتائج تفوق XGB في التصنييف المتعدد لمرض الكلي المزمن بدفة تصل الي 86.9%.