|
|
|
|
مقایسه عملکرد الگوریتم های یادگیری ماشین برای پیش بینی شدت بیماری کووید 19 از روی ویژگی های بالینی
|
|
|
|
|
|
|
|
نویسنده
|
نیک سیرت ملیحه ,صفاریان محسن ,محمدی فاطمه
|
|
منبع
|
شانزدهمين كنفرانس بين المللي انجمن ايراني تحقيق در عمليات - 1402 - دوره : 16 - شانزدهمین کنفرانس بین المللی انجمن ایرانی تحقیق در عملیات - کد همایش: 02230-33623 - صفحه:0 -0
|
|
چکیده
|
بیماری همه گیر کووید19 که عامل ایجاد آن ویروس جدیدی با نام سارس-کووید2 می باشد از اوایل سال 2020 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 کووید19 از روی ویژگی های بالینی این بیماران، با یکدیگر مقایسه شده است.
|
|
کلیدواژه
|
بیماری کووید 19، پیش بینی، الگوریتم k-نزدیکترین همسایه، الگوریتم k-میانگین، الگوریتم ماشین بردار پشتیبان.
|
|
آدرس
|
, iran, , iran, , iran
|
|
پست الکترونیکی
|
ftm.mohammadi1799@yahoo.com
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Authors
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|