<link rel="stylesheet" href="styles.f3b1fba60ec7970c.css">

Тренування моделей для інформаційної технології аналізу та передбачення раку легень методами машинного навчання

Вантажиться...
Ескіз

Дата

Науковий керівник

Редактор

Інші учасники

Відповідальний

ORCID

Назва журналу

Номер ISSN

Назва тому

DOI

Альтернативна назва

Анотація

Робота присвячена підготовці та тренуванню моделей машинного навчання для подальшого використання для інформаційної технології передбачення раку легень методами машинного навчання. Була проведена обробка датасету та його ознак, що включало в себе генерування нових ознак та натреновано нові моделі.
The work is devoted to the preparation and training of machine learning models for further use for information technology for lung cancer prediction by machine learning methods. The dataset and its features were processed, which included the generation of new features and the training of new models.

Опис

УДК

Тип документа

Мова

ISSN

Серія, номер

ISBN

ББК

Інші ідентифікатори

Пов’язані матеріали

Спонсорська підтримка

Правовласник

Бібліографічний опис

Неволя С. Д., Жуков С. О. Тренування моделей для інформаційної технології аналізу та передбачення раку легень методами машинного навчання // Матеріали LV Всеукраїнської науково-технічної конференції підрозділів ВНТУ, Вінниця, 24-27 березня 2026 р. Електрон. текст. дані. 2026. URI: https://conferences.vntu.edu.ua/index.php/all-fksa/all-fksa-2026/paper/view/26557.

Схвалення

Рецензія

Доповнено

Цитується в

Список використаної літератури (4)

  1. Lung Cancer Prediction Dataset. Kaggle. 2023 [Електронний ресурс]. – Режим https://www.kaggle.com/datasets/thedevastator/cancer-patients-and-air-pollution-a-new-link
  2. Pandas Getting started. 2025 [Електронний ресурс] – Режим https://pandas.pydata.org/docs/getting_started/index.html
  3. Matplotlib Pyplot Documentation. 2025 [Електронний ресурс]. – Режим https://matplotlib.org/3.5.3/api/_as_gen/matplotlib.pyplot.html
  4. Seaborn Tutorial. 2023 [Електронний ресурс]. – Режим доступу: https://seaborn.pydata.org/tutorial.html доступу: доступу: доступу: