خلاصة:
مقدمه: سلامت روان یکی از بزرگترین چالشها برای نسل کنونی است. اختلال اضطراب فراگیر (gad) یکی از بسیاری از مشکلات سلامت روان است. افراد مبتلا به این اختلال نگرانیها و تنشهای اغراق آمیزی را در مورد رویدادهای روزمره تجربه میکنند. گزارش شده است که حدود 5 درصد از جمعیت کشورهای توسعه یافته به gad مبتلا هستند و زنان دو برابر بیشتر از مردان به این بیماری مبتلا میشوند و یک اتفاق رو به رشد در بین زنان بالاخص زنان دانشجو است. هدف: این پژوهش با هدف پیش بینی اختلال اضطراب فراگیر در بین زنان دانشجو با رویکرد جنگل تصادفی، انجام شده است. روش: از روش داده کاوی جهت پیش بینی استفاده شد. جامعه پژوهشی را زنان دانشجوی دانشگاه آزاد شیرازتشکیل دادند. تعداد 150 نفر از دانشجویان زن به روش تصادفی ساده انتخاب و با پرسشنامه dsm-iv, مورد ارزیابی قرار گرفتند. در این فرآیند، الگوریتم جنگل تصادفی برای تولید مدل پیشبینی پیشنهاد شده است. netbeans ide ابزاری بود که برای ساخت این پیاده سازی استفاده شد. جاوا زبان برنامه نویسی انتخاب شده برای کدگذاری این نمونه اولیه بود و از کتابخانه weka در این پیاده سازی استفاده شد. یافته: نتایج نشان داد که دقت پیشبینی با روش جنگل تصادفی بالای 0. 9 است که نشان میدهد رویکرد جنگل تصادفی قادر به پیشبینی دقیق اختلال اضطراب فراگیر gad است. برای ارزیابی ویژگی، رویکرد جنگل تصادفی در پیشبینی دقیق فردی که از gad رنج نمیبرد سازگاری نشان میدهد. نتایج بهدستآمده از نمونه اولیه در مقایسه با خط پایه که در ابزار r پیادهسازی شده است، نسبتا سازگار است. نتیجهگیری: به طور خلاصه، رویکرد جنگل تصادفی عملکرد پیشبینی بالایی تولید میکند و میتواند روابط مهم بین پارامتر پیشنهادی و پارامتر وابسته را استخراج کند.
mental health is one of the biggest challenges for the current generation. generalized anxiety disorder (gad) is one of many mental health problems. people with this disorder experience exaggerated worries and tensions about everyday events. it has been reported that about 5% of the population of developed countries suffer from gad, and twice as many women as men suffer from this disease, and it is a growing phenomenon among women, especially female students. this research was conducted with the aim of predicting generalized anxiety disorder among female students using the random forest approach. the data mining method was used for prediction. the research community was formed by female students of azad university of shiraz. 150 female students were selected by simple random method and evaluated with dsm-iv questionnaire. in this process, random forest algorithm is proposed to generate prediction model. netbeans ide was the tool used to build this implementation. java was the programming language chosen to code this prototype and the weka library was used in this implementation. the results showed that the prediction accuracy with the random forest method is above 0.9, which shows that the random forest approach is able to accurately predict gad generalized anxiety disorder. to assess specificity, the random forest approach shows consistency in accurately predicting an individual not suffering from gad. the results obtained from the prototype are relatively consistent compared to the baseline implemented in the r tool. in summary, the random forest approach produces high prediction performance and can extract important relationships between the proposed parameter and the dependent parameter.