文献

J-GLOBAL ID：201802285692364304   整理番号：18A1028003

慢性腎臓病に対する個別およびアンサンブル学習者の予測性能【JST・京大機械翻訳】

Prediction performance of individual and ensemble learners for chronic kidney disease

著者 (2件)： Sisodia Dilip Singh (Department of Computer Science and Engineering, National institute of Technology, Raipur, India) ,  Verma Akanksha (Department of Computer Science and Engineering, National institute of Technology, Raipur, India)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： ICICI  ページ： 1027-1031  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： 病気を予測する過程を自動化することは,医療診断の分野における開業医のための支援と時間節約を証明する。疾患の正確な予測は,患者が彼らの健康について知っているだけでなく,薬物療法における医師の進歩にも役立つ。今日のライフスタイルにおいて,健康と適切なケアに関する進歩知識は,患者の生活に多くの生活日を加えることができる。本論文では,個々の学習者とアンサンブル学習者を用いて,慢性腎疾患(CKD)の予測を行った。実験はUCIリポジトリから得たCKDデータセットで行った。個々の分類装置からの3つの異なる分類装置,すなわち,Naive Bayes(NB),最小逐次最適化(SMO),J48,および3つのアンサンブル分類装置,すなわちランダムフォレスト(RF),袋掛け,AdaBoostをそれぞれ予測に用いた。すべての実験に対してオープンソース,ウエカツールを用いた。結果を精度,再現性,F測度およびROC性能測度を用いて評価した。結果は,集合分類装置からのディシジョンツリーベースの個々の学習者(J48)とランダムな森林が,それぞれ他の分類装置より良く機能することを示唆した。Copyright 2018 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【JST・京大機械翻訳】

シソーラス用語： 分類装置 ,  患者 ,  ライフスタイル ,  再現性 ,  自動化 ,  *予測 ,  最適化 ,  測度 ,  医師 ,  リポジトリ
準シソーラス用語： オープンソース ,  *学習者 ,  健康 ,  開業医 ,  *アンサンブル学習 , 【Automatic Indexing@JST】

分類 (2件)： 人工知能  (JE08000Z) ,  パターン認識  (JE07000S)

タイトルに関連する用語 (3件)： 慢性腎臓病 ,  アンサンブル学習 ,  予測性能