ПРИМЕНЕНИЕ ГИБРИДНЫХ МЕТОДОВ МАШИННОГО ОБУЧЕНИЯ ДЛЯ ДИАГНОСТИКИ ДИАБЕТА
Article Sidebar
Main Article Content
Abstract
В работе исследуется применение ансамблевых методов, таких как случайный лес, градиентный бустинг и бэггинг для диагностики сахарного диабета и анализирует их преимущества и вызовы. Гибридные методы способствуют увеличению точности диагностики и снижению ложных срабатываний и ложноотрицательных результатов. В целом, гибридные методы машинного обучения представляют собой перспективный инструмент для улучшения диагностики сахарного диабета и могут способствовать более эффективному выявлению и управлению этим хроническим заболеванием.
Article Details
References
Ahmad H, Asghar MU, Asghar MZ, Khan A, Mosavi AH. A hybrid deep learning technique for personality trait classification from text. IEEE Access. (2021) 9:146214–32. doi: 10.1109/ACCESS.2021.3121791 2.Alghazzawi D, Bamasaq O, Ullah H, Asghar MZ. Efficient detection of DDoS attacks using a hybrid deep learning model with improved feature selection. Appl Sci. (2021) 11:11634. doi: 10.3390/app112411634 3. Рашка, С. Python и машинное обучение [Текст] / С. Рашка. – М. : ДМК Пресс, 2017. – 418 с. 4.Khattak A, Habib A, Asghar MZ, Subhan F, Razzak I, Habib A. Applying deep neural networks for user intention identification. Soft Comput. (2021) 25:2191–220. doi: 10.1007/s00500-020-05290-z 5. Char, D. S., Shah, N. H., & Magnus, D. (2018). Implementing Machine Learning in Health Care—Addressing Ethical Challenges // New England Journal of Medicine,378(11), 981-983. 6.Butt UM, Letchmunan S, Ali M, Hassan FH, Baqir A, Sherazi HHR. Machine learning based diabetes classification and prediction for healthcare applications. J Healthcare Eng. (2021)