Методи дата сайнс для аналізу кардіограм
Ескіз недоступний
Дата
2023
Автори
Науковий керівник
Назва журналу
Номер ISSN
Назва тому
Видавець
КПІ ім. Ігоря Сікорського
Анотація
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.
Опис
Ключові слова
машинне навчання, розвідувальний аналіз даних (EDA), Python, Keras, XGBoost, Ada Boost, random forest features scaling, machine learning, exploratory data analysis
Бібліографічний опис
Наумчик, М. С. Методи дата сайнс для аналізу кардіограм : дипломний проект … бакалавра : 122 Комп'ютерні науки / Наумчик Максим Сергійович. – Київ, 2023. – 101 с.