Bachelorarbeit aus dem Jahr 2022 im Fachbereich Ingenieurwissenschaften - Computertechnik, Note: 1, Fachhochschule St. Plten (Data Science und Business Analytics), Sprache: Deutsch, Abstract: Eine Mglichkeit um przise Vorhersagen von Erkrankungen zu treffen und medizinische Daten besser verstehen zu knnen, ist die Verwendung von Data Mining im Gesundheitsbereich. Data Mining ist eine Technik, um Informationen aus gro en Mengen Daten zu extrahieren. Die Auswertung medizinischer Daten mit Hilfe von Machine Learning und Knstlicher Intelligenz kann rzt/inn/en dabei untersttzen, bessere Entscheidungen zu treffen, Diagnosen zu stellen und die Arbeitslast insgesamt zu minimieren. Data Mining bietet viele Methoden, um Informationen aus medizinischen Datensets zu erhalten. Techniken wie Klassifikation, Clustering und Rule Mining knnen fr die Analyse von Daten verwendet werden. Die Vorhersage von Erkrankungen ist nur ein Beispiel fr den Einsatz von Data Mining im Gesundheitsbereich. Durch die Nutzung von maschinellem Lernen knnte die Anzahl an Tests und die Zeit, die bentigt werden, um eine Krankheit zu diagnostizieren, verringert werden. Einige Paper und Artikel haben sich bereits mit verschiedenen Data Mining Methoden fr die Vorhersage von Erkrankungen beschftigt und diese miteinander verglichen. Kumari et al. verglichen beispielsweise KNN, Logistische Regression und Support Vector Machine miteinander, wobei der KNN die hchste Accuracy erreichte. Diese Arbeit stellt sich nun ebenfalls die Frage, ob die Genauigkeit bei unterschiedlichen Methoden voneinander abweicht oder sehr hnlich ist. In dieser Bachelorthesis soll geklrt werden, welche der drei Klassifikatoren, KNN, SVM und Entscheidungsbaum, fr die Vorhersage von Brustkrebs am besten geeignet ist. Dabei wird die Genauigkeit (Accuracy) der unterschiedlichen Methoden miteinander verglichen und eine Entscheidung ber die Eignung getroffen. Au erdem wird getestet, ob eine anfngliche Feature Selection (A