پیش بینی بیماری کرونا از روی علائم قابل مشاهده با استفاده از یادگیری ماشین

این روزها جامعه بشریت شاهد افزایش مرگ و میر ناشی از جه شهای مختلف بیماری کرونا است. بیماری کرونا علائم متفاوتی در بدن هر فرد دارد؛ اما اغلب گونه های آن در مراحل اولیه بیماری علائمی دارند کهقابل 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-نزدیکترین 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 پیاد ه 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.