งานวิจัยนี้มีวัตถุประสงค์เพื่อพัฒนา

งานวิจัยนี้มีวัตถุประสงค์เพื่อพัฒนาโมเดลการวิเคราะห์ผู้ป่วยที่เป็นโรคเบาหวาน โดยใช้ การจำแนกประเภทข้อมูลด้วยวิธีต้นไม้ตัดสินใจ (Decision Tree) และการทำโครงข่ายประสาทเทียม ( Neural Network) โดยโปรแกรม Weka โดยมีตัวแปรต่างๆ ในการจำแนกข้อมูลนั้น โดยใช้ข้อมูลจากฐานข้อมูล UCI machine learning database repository นำมาวิเคราะห์ทำการเปรียบเทียบประสิทธิภาพความถูกต้อง ผลจากการทดสอบโมเดลพบว่าค่าความถูกต้อง ของวิธี Decision Tree เท่ากับ 73.1602 % และการทำโครงข่ายประสาทเทียม ( Neural Network) ได้ค่าความถูกต้องเท่ากับ 70.9957 %

ผลลัพธ์ (อังกฤษ) 1:

This research aims to develop a model to analyze the patients are diabetes, using the classification tree method with decision (Decision Tree) and artificial neural network (Neural Network) by Weka, with the variables in the data classification based on UCI machine learning repository database databases analyzed, comparing the performance accuracy. Results from the testing of the model showed that the value of Decision Tree method, is equal to 73.1602% and artificial neural network (Neural Network) has a value equal to 70.9957% accuracy.

ผลลัพธ์ (อังกฤษ) 2:

This research aims to develop a model to analyze patients with diabetes using data classification with decision tree (Decision Tree) and the artificial neural networks (Neural Network) by Weka program with different variables. The classified information Using information from the UCI machine learning database repository database was analyzed to compare the performance accuracy. Results from the model showed that the accuracy of the method Decision Tree of 73.1602% and the artificial neural networks (Neural Network) is equal to 70.9957% accuracy.

ผลลัพธ์ (อังกฤษ) 3:

The purpose of this research is to develop a model of analysis of patients with diabetes using data classification with decision tree method (Decision Tree) and the artificial neural network (Neural Network) by the program Weka by variables.Using data from the database UCI machine learning database repository analyzed to compare performance accuracy. The result of model testing found that the accuracy of how Decision Tree was 73.1602% and the artificial neural network (Neural Network) the accuracy rate of 70.9957%.