PDF

دانلود پایان نامه : مقایسه الگوریتم های یادگیری ماشینی تحت نظارت و نیمه نظارت برای پیش بینی دیابت

 اگر دانشجو و یا محقق هستید با پایان نامه های انگلیسی و جدید سایت پروجکت دانلود می توانید سریع , راحت و حرفه ای تر مقالات و پروژه های خود را تالیف کنید ! پروجکت دانلود , جدیدترین پروژه ها , مقالات , پایان نامه ها و تز های مقاطع مختلف تحصیلی از بهترین دانشگاههای جهان را برای شما فراهم می کند . در این مطلب با دانلود متن کامل پایان نامه انگلیسی  : مقایسه الگوریتم های یادگیری ماشینی تحت نظارت و نیمه نظارت برای پیش بینی دیابت همراه شما هستیم .
.

موضوع : متن کامل پایان نامه انگلیسی : مقایسه الگوریتم های یادگیری ماشینی تحت نظارت و نیمه نظارت برای پیش بینی دیابت

رشته :  کامپیوتر و برنامه نویسی – نرم افزار و سخت افزار   – هوش مصنوعی – ریاضی – پزشکی – مهندسی پزشکی

سال انتشار : 2021

زبان : انگلیسی

مقطع :  کارشناسی 

چکیده  (ترجمه ماشینی ) :

سابقه و هدف: علت اصلی دیابت به دلیل سطح بالای قند در خون است. هیچ درمان دائمی برای دیابت وجود ندارد. با این حال ، با تشخیص زودهنگام می توان از آن جلوگیری کرد. در سال های اخیر ، هیاهوی یادگیری ماشین در پیش بینی بیماری به ویژه در زمان COVID-19 افزایش یافته است. در سناریوی حاضر ، مراجعه بیماران به پزشکان برای بیماران مشکل است. یک چارچوب ممکن با استفاده از یادگیری ماشین ارائه می شود که می تواند دیابت را در مراحل اولیه تشخیص دهد. اهداف: این پایان نامه با هدف شناسایی ویژگی های مهم و موثر بر دیابت بارداری (نوع 3) انجام می شود و آزمایشاتی برای شناسایی الگوریتم کارآمد برای پیش بینی دیابت نوع 3 انجام می شود. الگوریتم های انتخاب شده عبارتند از درختان تصمیم ، RandomForest ، ماشین بردار پشتیبانی ، Gaussian Naive Bayes ، Bernoulli Naive Bayes ، Laplacian Support Vector Machine. الگوریتم ها بر اساس عملکرد مقایسه می شوند. روش ها: این روش شامل جمع آوری مجموعه داده و پیش پردازش داده ها است. انتخاب ویژگی SelectKBestunivariate برای انتخاب ویژگی های مهم ، که بر پیش بینی دیابت نوع 3 تأثیر می گذارد ، انجام شد. یک مجموعه داده جدید با باین کردن برخی از ویژگی های مهم مجموعه داده اصلی ایجاد شد ، که منجر به دو مجموعه داده ، مجموعه داده بدون محفظه و ذخیره شده شد. مجموعه داده اصلی به دلیل توزیع نابرابر برچسب های کلاس نامتعادل بود. تقسیم قطار آزمون بر روی هر دو مجموعه داده انجام شد. بنابراین ، روش نمونه گیری بیش از حد بر روی هر دو مجموعه داده آموزشی برای غلبه بر ماهیت عدم تعادل انجام شد. الگوریتم های یادگیری ماشین انتخاب شده آموزش داده شدند. بر روی داده های آزمایش پیش بینی هایی انجام شد. تنظیم Hyperparameter روی همه الگوریتم ها برای بهبود عملکرد انجام شد. پیش بینی مجدد در مورد داده های آزمایش انجام شد و دقت ، دقت ، فراخوانی و نمره f1 در مجموعه داده های ذخیره شده و غیر ذخیره شده اندازه گیری شد. یافته ها: در میان الگوریتم های یادگیری ماشین انتخاب شده ، بردار پشتیبانی لاپلاسی به ترتیب با 61/89 درصد و 86/93 درصد بر روی مجموعه داده های غیر محفظه دار و دارای عملکرد بالا ، عملکرد بالاتری کسب کرد. بنابراین ، این یک الگوریتم کارآمد برای پیش بینی دیابت نوع 3 است. دومین الگوریتم برتر Random Forest با 74.5 and و 72.72٪ در مجموعه های داده بدون محفظه و binned است. مجموعه داده های بدون سطل برای اکثر الگوریتم های انتخاب شده عملکرد خوبی داشت. نتیجه گیری: ماشین بردار پشتیبانی لاپلاکی در بین مجموعه الگوریتم های دیگر هر دو در مجموعه داده های محفظه دار و غیر محتوی عملکرد بالایی را کسب کرد. مجموعه داده های بدون محفظه تقریباً بهترین عملکرد را در تقریباً همه الگوریتم های یادگیری ماشین به جز بایز ساده لوح برنولی نشان داد. بنابراین ، مجموعه داده بدون محتوا برای پیش بینی دیابت نوع 3 مناسب تر است.

 

 

دانلود پایان نامه : مقایسه الگوریتم های یادگیری ماشینی تحت نظارت و نیمه نظارت برای پیش بینی دیابت
لینک دانلود پس از خرید نمایش داده خواهد شد

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *

نوشته های مرتبط

متنی که میخواهید برای جستجو وارد کرده و دکمه جستجو را فشار دهید. برای لغو دکمه ESC را فشار دهید.