Прогнозування ризику виникнення серцево-судинних захворювань методами машинного навчання

Скорочена інформація про документ
dc.contributor.advisorКаніовська, Ірина Юріївна
dc.contributor.authorТкаченко, Олександра Павлівна
dc.date.accessioned2023-10-11T08:46:05Z
dc.date.available2023-10-11T08:46:05Z
dc.date.issued2023
dc.description.abstractДипломна робота містить 110 сторінок, 18 рисунків, 8 таблиць, 3 додатки, 29 джерел посилання. - Об’єкт дослідження: серцево-судинні захворювання. - Мета дослідження: побудувати моделі для передбачення ішемічної хво- роби серця; дослідити здатність обраних алгоритмів машинного навчання до прогнозування ризиків серцево-судинних захворювань, оцінити їхню ефективність. - Актуальність дослідження: застосування машинного навчання як за- собу ранньої діагностики серцево-судинних захворювань. - Методи дослідження: алгоритми логістична регресія, Random Forest, метод опорних векторів, Naive Bayes; оцінка метрик Accuracy, Precision, Recall, F1-score, AUC. - Отримані результати: було навчено і протестовано чотири моделі для передбачення ішемічної хвороби серця; було проведено аналіз їхніх метрик і запропоновано методи поліпшення моделей. - У рамках майбутніх досліджень пропонується реалізувати запропоно- вані методи покращення моделей, такі як зниження розмірності даних, налаштування гіперпараметрів, збір більшої кількості даних тощо.uk
dc.description.abstractotherThe Bachelor thesis contains 110 pages, 18 figures, 8 tables, 3 appendices, 29 references. - Research subject: cardiovascular diseases. - Research objective: to build models for predicting coronary heart disease; to investigate the ability of selected machine learning algorithms to predict cardiovascular disease risks and evaluate their effectiveness. - Relevance of the research: Application of machine learning as a means of early diagnosis of cardiovascular diseases. - Research methods: Logistic Regression, Random Forest, Support Vector Machine, Naive Bayes algorithms; evaluation of metrics including Accuracy, Precision, Recall, F1-score, AUC. - Obtained results: four models for predicting coronary heart disease were trained and tested; an analysis of their metrics was conducted, and methods for model improvement were proposed. - For future research, it is recommended to implement the proposed methods for model improvement, such as dimensionality reduction, hyperparameter tuning, collecting more data, and so on.uk
dc.format.extent110 с.uk
dc.identifier.citationТкаченко, О. П. Прогнозування ризику виникнення серцево-судинних захворювань методами машинного навчання : дипломна робота ... бакалавра : 124 Системний аналіз / Ткаченко Олександра Павлівна. – Київ, 2023. – 110 с.uk
dc.identifier.urihttps://ela.kpi.ua/handle/123456789/61187
dc.language.isoukuk
dc.publisher.placeКиївuk
dc.subjectсерцево-судинні захворюванняuk
dc.subjectмашинне навчанняuk
dc.subjectпрогнозуванняuk
dc.subjectішемічна хвороба серцяuk
dc.subjectзадача класифікаціїuk
dc.subjectcardiovascular diseasesuk
dc.subjectmachine learninguk
dc.subjectpredictionuk
dc.subjectcoronary heart diseaseuk
dc.subjectclassification problemuk
dc.titleПрогнозування ризику виникнення серцево-судинних захворювань методами машинного навчанняuk
dc.typeBachelor Thesisuk

Файли

Контейнер файлів
Зараз показуємо 1 - 1 з 1
Ескіз
Назва:
Tkachenko_bakalavr.pdf
Розмір:
1.68 MB
Формат:
Adobe Portable Document Format
Опис:
Завантажити
Ліцензійна угода
Зараз показуємо 1 - 1 з 1
Ескіз недоступний
Назва:
license.txt
Розмір:
9.1 KB
Формат:
Item-specific license agreed upon to submission
Опис:
Завантажити

Зібрання

Бакалаврські роботи (ММСА)
Бакалаврські роботи