Tytuł
Analiza i porównanie wybranych algorytmów klasyfikacji w kontekście przewidywania chorób serca
Autorzy
[ 1 ] Szkoła Doktorska, Akademia Sztuki Wojennej | [ SzD ] doktorant ze Szkoły Doktorskiej
Dyscyplina naukowa (Ustawa 2.0)
Rok publikacji
2024
Opublikowano w
Typ artykułu
artykuł naukowy
Język publikacji
polski
Słowa kluczowe
PL
- Choroby serca
- Diagnostyka medyczna
- Nadzorowane uczenie maszynowe
Streszczenie
PL W artykule przedstawiono opis i porównanie efektywności wybranych algorytmów klasyfikacji w kontekście przewidywania chorób serca z wykorzystaniem języka R. Opisano kluczowe metody uczenia maszynowego, takie jak: k-najbliższych sąsiadów (KNN), maszyny wektorów nośnych (SVM), drzewa decyzyjne oraz lasy losowe, uwzględniając ich charakterystykę, zalety i ograniczenia. Dane użyte w badaniu pochodzą ze zbioru Cleveland Heart Disease Dataset, a proces obejmował przygotowanie danych, budowę modeli i ocenę ich skuteczności. Uzyskane wyniki ukazują potencjał nadzorowanego uczenia maszynowego w diagnostyce medycznej, szczególnie w przewidywaniu obecności chorób serca.
Strony (od-do)
3 - 17
Typ licencji
inne
Tryb otwartego dostępu
otwarte czasopismo
Wersja tekstu w otwartym dostępie
ostateczna wersja opublikowana
Data udostępnienia
09.07.2025
Czas udostępnienia publikacji w sposób otwarty
w momencie opublikowania
Punktacja Ministerstwa / czasopismo
20
Ten serwis działa dzięki oprogramowaniu SINUS
opracowanemu przez Poznańskie Centrum Superkomputerowo-Sieciowe
Zaloguj się, aby dodać do SIN: