مقایسه عملکرد الگوریتم های یادگیری ماشین برای پیش بینی شدت بیماری کووید ۱۹ از روی ویژگی های بالینی

بیماری همه گیر کووید۱۹ که عامل ایجاد آن ویروس جدیدی با نام سارس-کووید۲ می باشد از اوایل سال ۲۰۲۰ در جهان شیوع پیدا کرد و باعث مرگ بسیاری از افراد در همه سنین شد. سرعت بالای انتقال این ویروس و افزایش چشمگیر مرگ و میر ناشی از آن و همچنین عدم وجود درمان قطعی برای آن، توجه بسیاری از محققان را برای شناسایی عوامل موثر بر مرگ و میر ناشی از این بیماری به خود جلب کرد. در این تحقیق با توجه به کاربرد الگوریتم های یادگیری ماشین در زمینه پیش بینی، عملکرد الگوریتم های k-نزدیکترین همسایه، k-میانگین و ماشین بردار پشتیبان برای پیش بینی احتمال مرگ و میر مبتلایان به بیماری کووید۱۹ از روی ویژگی های بالینی این بیماران، با یکدیگر مقایسه شده است.

مقایسه عملکرد الگوریتم های یادگیری ماشین برای پیش بینی شدت بیماری کووید ۱۹ از روی ویژگی های بالینی Keywords:

بیماری کووید ۱۹ , پیش بینی , الگوریتم k-نزدیکترین همسایه , الگوریتم k-میانگین , الگوریتم ماشین بردار پشتیبان.