Пошук академічних текстів

Інформація × Реєстраційний номер 2121U008790, Матеріали видань та локальних репозитаріїв Категорія Стаття, Опубліковано, Рецензована стаття Назва роботи ПОРІВНЯННЯ МЕТОДІВ МАШИННОГО НАВЧАННЯ ДЛЯ ІНФОРМАЦІЙНОЇ СИСТЕМИ ПРОГНОЗУВАННЯ ДІАБЕТУ Автор Shmatko OlexanderGoloskokova AnnaKorol OlhaRahimova IradaShmatko OlexanderGoloskokova AnnaKorol OlhaRahimova Irada Дата публікації 01-12-2021 Постачальник інформації Національний університет «Полтавська політехніка імені Юрія Кондратюка» Першоджерело https://journals.nupp.edu.ua/sunz/article/view/2425 Видання Національний університет «Полтавська політехніка імені Юрія Кондратюка» Опис Діабет – це хвороба, від якої немає постійного лікування; тому для його раннього виявлення потрібні методи та інформаційні системи. У цій статті пропонується інформаційна система для прогнозування діабету, яка ґрунтується на використанні методів інтелектуального аналізу даних та алгоритмів машинного навчання. У статті обговорюється ряд методів машинного навчання, таких як випадковий ліс, алгоритм AdaBoost, багатошаровий персептрон, нейроподібна структура моделей послідовних геометричних перетворень, лінійна регресія на основі градієнтного стохастичного спуску, узагальнена регресійна нейронна мережа і регресія на основі машини опорних векторів. Для даного дослідження був використаний набір даних Pima Indian Diabetes, зібраний із репозиторію машинного навчання UCI. Набір даних містить інформацію про 768 пацієнтів та їх відповідні дев'ять унікальних атрибутів: кількість вагітностей; концентрація глюкози у плазмі протягом двох годин при пероральному тесті на толерантність до глюкози; діастолічний артеріальний тиск; товщина складок шкіри трицепса; концентрація інсуліну сироватки за дві години; індекс маси тіла; функція спадковості при діабеті; вік людини; результат змінної класу (0 – немає діабету, 1 – хворий). Були проведені дослідження щодо покращення індексу прогнозування на основі методу виключення рекурсивних ознак. Виявлено, що модель логістичної регресії добре підходить для прогнозування діабету. Показано, що для використання створеної моделі для прогнозування ймовірності цукрового діабету з точністю до 78% необхідно і достатньо використовувати такі показники стану здоров'я пацієнтки, як кількість вагітностей, концентрація глюкози в плазмі при пероральному тесті на толерантність до глюкози, індекс ІМТ та результат розрахунку функції спадковості «Родовідна функція діабету». Додано в НРАТ 2026-04-19 Закрити