طبقه بندی مبتلایان کوید 19 با استفاده از الگوریتم های یادگیری ماشین: رویکرد مبتنی بر svm

در 30 ژانویه سال 2020 میلادی بود که سازمان بهداشت جهانی، وقوع کرونا ویروس جدید را خبر داد و سپس در فوریه‌ی همان سال این ویروس به‌طور رسمی تحت عنوان ویروس کرونا نامگذاری شد. کووید-19 یک بیماری حاد تنفسی است که در ارتباط نزدیک با کرونا ویروس سارس است. باتوجه به مشاهدات تجربی و بررسی‌های پزشکی، موضوع تاثیر تغذیه در مدیریت بیماری کووید-19 تقریباً برای همه‌ی آحاد جامعه، ثابت شدهاست. در دسامبر سال 2021 میلادی، بیش از 6500 نشریه با کلمه‌ی کلیدی ترکیبی کووید-19 و غذا انجام شده بود. در این پژوهش هدف کلی پیش‌بینی داده‌های مرتبط با رژیم غذایی موثر بر کووید-19 با استفاده از الگوریتم svm ، دنبال شد. بدین منظور یک مجموعه داده‌ی معتبر دسته‌بندی شده در 4 گروه براساس مقدار چربی موجود در رژیم غذایی، مقدار انرژی موجود در رژیم غذایی برحسب کیلوکالری، مقدار غذای مصرف شده توسط فرد مورد بررسی برحسب کیلوگرم و مقدار پروتئین موجود در رژیم غذایی، از سایت کل استخراج گردید.

classification of covid-19 patients using machine learning algorithms: svm-based approach

on january 30, 2020, the spread of covid-19 caused public health concerns due to the high speed of transmission of this epidemic virus. regard to the lack of a definitive treatment, the virus attracted the attention of many researchers around the world. examining different types of classifications on the data related to patients is one of the important research challenges. this study performs the classification of data related to the diet of patients with covid-19, which was collected in the kaggle data center. undoubtedly, it is possible to improve the quality and prediction of disease conditions by classifying the types of diets. special features of machine learning like svm and pca algorithms have been used for classification in this research. the experimental analysis of this approach has applied different svr methods by us various kernel functions. the obtained results show the high accuracy of the proposed approach.