Методи машинного навчання для класифікації інфікованих пацієнтів

Скорочена інформація про документ
dc.contributor.advisorЯйлимова, Ганна Олексіївна
dc.contributor.authorЩербина, Іван Володимирович
dc.date.accessioned2024-09-24T07:07:27Z
dc.date.available2024-09-24T07:07:27Z
dc.date.issued2024
dc.description.abstractОб’єкт дослідження – дані про інфікування пацієнтів синдромом набутого імунодефіциту. Мета дослідження – застосування методів машинного навчання для виявлення, аналізу та класифікації інфікування пацієнтів. Методи дослідження – було проведено підготовку даних для подальшої побудови методів машинного навчання. Очищення даних від пропущених значень, нормалізацію та масштабування даних, а також за допомогою метода головних компонент проведено візуалізацію стовпців з множини даних, які містять більше всього інформації. Було застосовано методи машинного навчання: логістичну регресію, ядерну логістичну регресію, опорних векторів та багатошаровий персептрон. Проведено експерименти для налаштування гіперпараметрів моделей та визначення оптимальних умов для проведення класифікації інфікувань. За допомогою різних метрик для оцінки якості класифікації моделі, було визначено найоптимальнішу модель, для проведення класифікації інфікувань. Тож в подальшому буде можливо розробити застосунок, для того, щоб користувачі вільно могли дізнатися, чи є вони інфікованими за допомогою проведеної класифікації найоптимальнішою моделлю, зі зберіганням повної анонімності особистості.
dc.description.abstractotherThe object of the research is data on patients infected with acquired immunodeficiency syndrome. The aim of the study is to apply machine learning methods for the detection, analysis, and classification of patient infections. Research methods – data preparation was carried out for further construction of machine learning methods. Data cleansing from missing values, normalization, and data scaling, as well as visualization of columns from the dataset containing the most information using the principal component method, were performed. Machine learning methods were applied: logistic regression, kernel logistic regression, support vector machines, and multilayer perceptron. Experiments were conducted to tune the hyperparameters of the models and determine the optimal conditions for conducting infection classification. Using various metrics to evaluate the quality of classification models, the most optimal model for conducting infection classification was determined. Therefore, it will be possible to develop an application so that users can freely determine whether they are infected through the classification conducted by the most optimal model, while maintaining complete anonymity of their identity.
dc.format.extent55 c.
dc.identifier.citationЩербина, І. В. Методи машинного навчання для класифікації інфікованих пацієнтів : дипломна робота ... бакалавра : 113 Прикладна математика / Щербина Іван Володимирович. - Київ, 2024. - 55 с.
dc.identifier.urihttps://ela.kpi.ua/handle/123456789/69194
dc.language.isouk
dc.publisherКПІ ім. Ігоря Сікорського
dc.publisher.placeКиїв
dc.subjectМетоди машинного навчання
dc.subjectпервинний аналіз
dc.subjectмоделі класифікації
dc.subjectкласифікація інфікованих пацієнтів
dc.titleМетоди машинного навчання для класифікації інфікованих пацієнтів
dc.typeBachelor Thesis

Файли

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

Зібрання

Бакалаврські роботи (ММАД)
Бакалаврські роботи