文献

J-GLOBAL ID：201702237152034405   整理番号：17A1635673

より良い予測のための医療データに関連した分類技術の適合性の解析【Powered by NICT】

Analyzing the suitability of relevant classification techniques on medical data set for better prediction

著者 (3件)： Geetha M. C. S. (Computer Applications, Kumaraguru College of Technology, India) ,  Shanthi I. Elizabeth (Computer Science, Avinashilingam Institute for Home Science and Higher Education for Women University, India) ,  Sehnaz N. Sanfia (Computer Science, Avinashilingam Institution for Home Science and Higher Education for Women University, India)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： I-SMAC  ページ： 665-670  発行年： 2017年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 全部門におけるオンライン取引の今後の動向に伴い新たに作成された情報量は年々増加している。情報の膨大な量は,少なくともコンピュータ支援のいくつかの形式を必要としないデータのより深い理解を達成するために,データ分析のための実行不可能となった。データマイニングは,データベースからの知識発見の過程を機械化に用いることができる。データマイニングに使われる技術の一つは,分類である。データマイニング分類アルゴリズムは三つの特別な学習アプローチ:半教師つき学習,教師つき学習および教師なし学習を追跡できる。本論文では,世界的な死亡の主要な原因であることを説明する心疾患を予測するのに役立つことを医療データセットに一般的に使用される分類アルゴリズムを適用し,解析した。経験と知識を必要と医療実地医家のための複合体である心臓発作を予想した。ヘルスセクター今日では意思決定のための隠れたまだ重要な情報を含んでいる。実施した実験はJ48で,それは単純CARTとREPTREEのようなアルゴリズムが他のアルゴリズムよりも予測精度を与えることを明らかにした。Copyright 2017 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】

シソーラス用語： *適応性 ,  情報量 ,  アルゴリズム ,  データマイニング ,  データ解析 ,  教師つき学習 ,  学習 ,  心臓病 ,  意思決定 ,  CAE【計算機】
準シソーラス用語： 予測精度 ,  CART ,  半教師つき学習 ,  分類アルゴリズム ,  データベースからの知識発見 , 【Automatic Indexing@JST】

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (5件)： 予測 ,  医療 ,  分類 ,  適合性 ,  解析