Рекомендаційна система в галузі охорони здоров’я на основі інтелектуального аналізу асоціативних правил

Скорочена інформація про документ
dc.contributor.advisorНедашківська, Надія Іванівна
dc.contributor.authorМихнюк, Ольга Іванівна
dc.date.accessioned2024-11-13T13:06:08Z
dc.date.available2024-11-13T13:06:08Z
dc.date.issued2024
dc.description.abstractДипломна робота: 108 с., 25 рис., 8 табл., 2 додатки, 24 джерела. У дипломній роботі аналізуються та порівнюються різні методи інтелектуального аналізу асоціативних правил для розробки рекомендаційної системи для медичних даних пацієнтів, хворих на діабет. Особлива увага приділяється методам Ariori, FP-Growth та ECLAT. Розглядаються особливості застосування цих методів до аналізу даних записів пацієнтів та їх ефективність у вирішенні задачі розробки рекомендаційної системи. Результати роботи можуть бути використані для покращення рекомендаційних систем у сфері охорони здоров’я. Шляхи подальшого розвитку дослідження полягають у якісному попередньому аналізі даних для вибору такого алгоритму для побудови асоціативних правил, який врахує всі особливості набору даних. Програмна частина роботи була виконана мовою програмування Python у середовищі розробки Jupyter. При реалізації використовувалися бібліотеки Numpy, Pandas, Matplotlib, Mlxtend, PyECLAT.
dc.description.abstractotherThesis: 108 pages, 25 figures, 8 tables, 2 appendices, 24 references. In this diploma thesis, various methods of association rules mining are analyzed and compared for the development of a recommendation system for medical data of patients with diabetes. Special attention is paid to the methods Apriori, FP-Growth, and ECLAT. The peculiarities of applying these methods to the analysis of patient record data and their effectiveness in solving the task of developing a recommendation system are considered. The results of the research can be used to improve recommendation systems in the healthcare sector. Further development of the research involves a qualitative preliminary analysis of the data to select an algorithm for building association rules that takes into account all the features of the dataset. The software was implemented in the Python programming language in the Jupyter development environment. The libraries Numpy, Pandas, Matplotlib, Mlxtend, and PyECLAT were used in the implementation.
dc.format.extent108 с.
dc.identifier.citationМихнюк, О. І. Рекомендаційна система в галузі охорони здоров’я на основі інтелектуального аналізу асоціативних правил : дипломна робота ... бакалавра : 124 Системний аналіз / Михнюк Ольга Іванівна. - Київ, 2024. - 108 с.
dc.identifier.urihttps://ela.kpi.ua/handle/123456789/70570
dc.language.isouk
dc.publisherКПІ ім. Ігоря Сікорського
dc.publisher.placeКиїв
dc.subjectрекомендаційні системи
dc.subjectінтелектуальний аналіз даних
dc.subjectасоціативні правила
dc.subjectчасті набори даних
dc.subjectохорона здоров’я
dc.subjectrecommendation system
dc.subjectdata mining
dc.subjectassociative rules
dc.subjectfrequent data sets
dc.subjecthealth care
dc.titleРекомендаційна система в галузі охорони здоров’я на основі інтелектуального аналізу асоціативних правил
dc.typeBachelor Thesis

Файли

Контейнер файлів
Зараз показуємо 1 - 1 з 1
Ескіз
Назва:
Mykhniuk_bakalavr.pdf
Розмір:
2.72 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 (ММСА)
Бакалаврські роботи