مقایسه عملکرد الگوریتم های یادگیری ماشین برای پیش بینی شدت بیماری کووید ۱۹ از روی ویژگی های بالینی
Publish Year: 1402
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 59
This Paper With 5 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
ICIORS16_139
تاریخ نمایه سازی: 2 اسفند 1402
Abstract:
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.
Keywords:
بیماری کووید ۱۹ , پیش بینی , الگوریتم k-نزدیکترین همسایه , الگوریتم k-میانگین , الگوریتم ماشین بردار پشتیبان.
Authors
ملیحه نیک سیرت
استادیار، دانشگاه صنعتی بیرجند
محسن صفاریان
استادیار، دانشگاه صنعتی بیرجند
فاطمه محمدی
دانشگاه صنعتی بیرجند