طبقه بندی داده های نظرسنجی بیمارستان تأمین اجتماعی شهدای کارگر یزد با الگوریتم درخت تصمیم

چکیده

هدف: داده کاوی علم و تکنیک هایی است که برای تجزیه وتحلیل داده ها به منظور کشف و استخراج الگوهای ناشناخته قبلی استفاده می شود. همچنین، به عنوان بخش اصلی فرآیند کشف دانش در پایگاه های داده در نظر گرفته می شود. هدف اصلی ما ساخت یک مدل طبقه بندی کارآمد با دقت بالا برای بهبود کارایی و اثربخشی است. روش: در این مقاله یک تکنیک یادگیری نظارت شده به منظور ایجاد یک درخت تصمیم برای داده های نظرسنجی بیمارستان تأمین اجتماعی شهدای کارگر یزد معرفی می کنیم. هدف اصلی ساخت یک مدل طبقه بندی کارآمد با دقت بالا برای بهبود کارایی و اثربخشی فرآیند پذیرش است. برای ساخت درخت تصمیم از الگوریتم CART و بسته rpart موجود در زبان برنامه نویسی R استفاده شده است و مدل نهایی با استفاده از روش های رایج ارزیابی، ارزیابی شد. نتیجه: طبق نتیجه به دست آمده، مهم ترین طبقه (از سمت راست) طبقه اول است؛ زیرا حدود 84 درصد از داده ها را شامل می شود. این طبقه نشان می دهد که اگر میزان رضایت از پزشک بزرگتر یا مساوری 3 و همچنین، میزان رضایت از کارکنان پذیرش بزرگتر یا مساوی 4 باشد، 84 درصد از مراجعه کنندگان در صورت نیاز، مجدداً به بیمارستان مراجعه می کنند.