مهدی سرچاهی - دانشجوی کارشناسی ارشد مهندسی کامپیوتر- نرمافزار، موسسه آموزش عالی خاوران، مشهد، ایران
الهام مهدی پور - استادیار گروه مهندسی کامپیوتر، موسسه آموزش عالی خاوران، مشهد، ایران

این روزها جامعه بشریت شاهد افزایش مرگ و میر ناشی از جهش های مختلف بیماری کرونا است. بیماری کرونا علائم متفاوتی در بدن هر فرد دارد؛ اما اغلب گونه های آن در مراحل اولیه بیماری علائمی دارند که قابل مشاهده توسط فرد نیز هستند. هدف از این پژوهش، پیش بینی بیماری کرونا از روی علائم اولیه بیماری هست. در این راستا جهت شناسایی و پیش بینی بیماری کرونا از الگوریتم های یادگیری ماشین همانند بیزین ساده، رگرسیون لجستیک، درخت تصمیم، تحلیل تشخیص خطی، K-نزدیک ترین همسایه و ماشین بردار پشتیبان استفاده شده است. برای ارزیابی کارایی الگوریتم های فوق از دو مجموعه داده واقعی در پایگاه داده Kaggle استفاده شده است. برای پیاده سازی الگوریتم ها از زبان برنامه نویسی پایتون بهره گرفته شده است. نتایج حاصل از اجرا نشان می دهد الگوریتم درخت تصمیم با بالاترین میزان دقت دارای بیشترین کارایی در پیش بینی بیماری کرونا است.

پیشبینی, بیماری کرونا, یادگیری ماشین, کووید.۱۹-