Машиналық оқыту алгоритмдері арқылы жүрек ауруларын болжау
DOI:
https://doi.org/10.26577/JMMCS.2022.v115.i3.10Кілт сөздер:
Классификация, стандартизация, оқыту таңдамалары, метрика, бустинг, шатасу матрицасыАңдатпа
Жүрек ауруларын анықтаудың дәлдігін арттыруды машиналық оқыту саласында кеңінен зерттелуде. Мұндай зерттеу денсаулық сақтау саласында үлкен шығындардың алдын алу үшін және қате диагноздың қойылу себептерінен туындайды. Нәтижесінде дәрігерлердің тәжирбеіиндегі айырмашылықтарды азайтуға және медициналық шығындар мен қателіктерді төмендетуге бағытталған ауру факторларын талдаудың әртүрлі әдістері ұсынылады. Бұл зерттеуде классификациялық оқытудың 6 алгоритмін, соның ішінде атап айтанда жіктеу ағашы, жақын көршілер әдісі, аңқау Байес, кезейсоқ орман ағашы, бустинг әдістері қолданылды. Осы әдістерді Клевеленд университетінің жинақтаған heart.csv датасетіне қолдану арқылы жүрек ауруларының тиімді және дәлдігі жоғары болжам жасауға үйретілді. Алгоритмдердідің болжау қабілеттіктерін арттыру мақсатында барлық әдістерді бірінші кезекте стандартталмаған деректерге оқытылды. Standart Scaler әдісін қолдану арқылы деректерді стандартизациялау нәтижеге қаншалықты әсер ететініне зерттеу жүргізілді. Зерттеу барысында бұл әдіс KNN мен SVC секілді алгоритмдерге нәтижені 25\%-ға жуық жақсартуға көмек берді.
