SYMPTOMATIC ASSESSMENT OF DISEASES USING DECISION TREES AND ANALYSIS OF ELECTRONIC MEDICAL RECORDS

Аннотация

Контролируемые алгоритмы машинного обучения стали основным инструментом
для извлечения данных. Использование медицинских данных для диагностики заболеваний
недавно выявило возможное применение этих технологий. Цель данного исследования состоит
в том, чтобы найти различные формы регулируемых алгоритмов машинного обучения, а также
основные тенденции в измерении производительности и риска заболеваний. В этой статье мы
попытаемся предсказать заболевания пациентов на основе их симптомов. Для достижения
поставленной цели мы используем алгоритм решений, который помогает диагностировать
здоровье пациентов. Набор данных включает физиологические показатели 42 различных
заболеваний и 129 различных симптомов. Мы разработали классифицированную модель дерева
решений, которая использует методы стандартизации, называемые сокращением форматов,
для обобщения данных и обеспечивает обучение набору данных в короткие сроки. Затем наши
обученные модели используются для прогнозирования заболеваний, включая их причины и
стратегии профилактики, после нормализации.