Search academic texts

Information × Registration Number 2123U003880, Article popup.category Бакалаврська робота Title popup.author Наумчик Максим Сергійович popup.publication 01-01-2023 popup.source_user Електронний архів наукових та освітніх матеріалів КПІ ім. Ігоря Сікорського popup.source https://ela.kpi.ua/handle/123456789/61733 popup.publisher Київ Description Метою дипломної роботи є дослідження використання методів машинного навчання для передбачення серцевої недостатності з набору даних про пацієнта. Люди з серцево-судинними захворюваннями або з високим серцево-судинним ризиком (через наявність одного або декількох факторів ризику, таких як гіпертонія, діабет, гіперліпідемія або вже наявні захворювання) потребують раннього виявлення та лікування, в чому модель машинного навчання може бути дуже корисною. В ході даної роботи було розглянуто методи машинного навчання, які використовуються для класифікації, таких як логістична регресія, метод найближчих сусідів, випадковий ліс, Ada Boost, XG Boost. В роботі було представлено продуктивність кожного методу і оцінено їх ефективність за такими показниками, як точність та оцінка F1. Крім того, було побудовано модель з найкращими метриками точності та набором гіперпараметрів отриманих при використанні методу випадкового пошуку яка і показала найкращі досягнені результати передбачення серцево-судинних захворювань. Загальний обсяг роботи 76 с., 18 рис., 13 таблиць, 2 додатків, 15 джерел. popup.nrat_date 2025-01-29 Close