Методи машинного навчання для діагностування стану здоров’я людини
Вантажиться...
Файли
Дата
Науковий керівник
Редактор
Інші учасники
Відповідальний
ORCID
Назва журналу
Номер ISSN
Назва тому
DOI
Альтернативна назва
Анотація
У сучасному світі інформаційні технології набувають все більшого значення у сфері охорони здоров’я, оскільки вони здатні вирішувати низку критично важливих завдань, пов’язаних із забезпеченням точності та швидкості діагностування. Вибір найбільш точного алгоритму є критично важливим для досягнення успішних результатів. У роботі було було дослідження та проаналізовано різні алгоритми такі як: градієнтний бустинг дерев рішень, випадковий ліс, дерева рішень з метою розробки системи діагностування стану здоров’я людини.
In today's world, information technologies are becoming more and more important in the field of health care, as they are able to solve a number of critically important tasks related to ensuring the accuracy and speed of diagnosis.
In today's world, information technologies are becoming more and more important in the field of health care, as they are able to solve a number of critically important tasks related to ensuring the accuracy and speed of diagnosis.
Опис
Ключові слова
УДК
Тип документа
Мова
ISSN
Посилання на публікацію
Серія, номер
ISBN
978-617-8163-57-0
ББК
Інші ідентифікатори
Пов’язані матеріали
Спонсорська підтримка
Правовласник
Бібліографічний опис
Пасічнюк І. В., Хоменко В. М., Іванчук Я. В. Методи машинного навчання для діагностування стану здоров’я людини // Матеріали Всеукраїнської науково-практичної інтернет-конференції «Молодь в науці: дослідження, проблеми, перспективи (МН-2025)», Вінниця, 15-16 червня 2025 р. Електрон. текст. дані. 2025. URI: https://conferences.vntu.edu.ua/index.php/mn/mn2025/paper/view/22711.
Схвалення
Рецензія
Доповнено
Цитується в
Список використаної літератури (4)
- Штучний інтелект. Машинне навчання / Григоров О. В., Аніщенко Г. О., Стрижак В. В., Петренко Н. О., Турчин О. В., Окунь А. О., Пономарьов О. Е. Сучасні технології : зб. наук. пр. / Мво освiти i науки України, ХНАДУ. - Харкiв, 2019. - 15 c.
- Alcolea, A., & Resano, J. FPGA accelerator for gradient boosting decision trees. Electronics. 2021.Vol 10, No 3, 314 p.
- Schonlau, M., & Zou, R. Y. The random forest algorithm for statistical learning. The Stata Journal. 2020. Vol 20, No 1, pp. 3-30. Machine Learning Basics: Random Forest Classification. URL: https://towardsdatascience.com/machine-learning-basics-random-forest-classification-499279bac51e (дата звернення 06.11.2024).
- Why Do We Use Decision Trees in Machine Learning? URL: https://www.turing.com/kb/importance-of-decision-trees-in-machine-learning (Дата звернення 06.11.2024).