Abstract
В настоящее время услуги электронного здравоохранения стали бурно развивающейся областью, которая относится к компьютерному здравоохранению и предоставлению информации для улучшения медицинского обслуживания на местном, региональном и мировом уровне. Эффективная модель прогнозирования риска заболевания путем анализа электронных медицинских данных помогает не только лечить пациента, но и предоставлять услуги через соответствующие системы электронного здравоохранения, основанные на данных. В данной работе мы уделяем особое внимание прогнозированию и анализу сахарного диабета, все более распространенного хронического заболевания, которое относится к группе метаболических нарушений, характеризующихся высоким уровнем сахара в крови в течение длительного периода времени. K Nearest Neighbor (KNN) является одним из самых популярных и простых методов машинного обучения для построения такой модели прогнозирования риска заболевания на основе соответствующих медицинских данных. Для достижения нашей цели мы представляем оптимальную модель прогнозирования на основе обучения K Nearest Neighbor (Opt-KNN), основанную на привычных атрибутах пациента в различных измерениях. Этот подход определяет оптимальное количество соседей с низким коэффициентом ошибок для обеспечения лучшего прогнозирования в результирующей модели. Эффективность этой модели электронного здравоохранения на основе машинного обучения проверяется путем проведения экспериментов на реальных данных о сахарном диабете, собранных в медицинских учреждениях. больниц.