文献

J-GLOBAL ID：202202224655836903   整理番号：22A1036722

不均衡心不全データセットのためのSMOTE-ENNオーバサンプリング技法とハイパーパラメータ最適化による種々の機械学習分類器の性能の包括的研究【JST・京大機械翻訳】

A Comprehensive Investigation of the Performances of Different Machine Learning Classifiers with SMOTE-ENN Oversampling Technique and Hyperparameter Optimization for Imbalanced Heart Failure Dataset

著者 (8件)： Muntasir Nishat Mirza (Islamic University of Technology, Gazipur, Bangladesh) ,  Faisal Fahim (Islamic University of Technology, Gazipur, Bangladesh) ,  Jahan Ratul Ishrak (Islamic University of Technology, Gazipur, Bangladesh) ,  Al-Monsur Abdullah (Islamic University of Technology, Gazipur, Bangladesh) ,  Ar-Rafi Abrar Mohammad (Islamic University of Technology, Gazipur, Bangladesh) ,  Nasrullah Sarker Mohammad (North South University, Dhaka, Bangladesh) ,  Reza Md Taslim (Islamic University of Technology, Gazipur, Bangladesh) ,  Khan Md Rezaul Hoque (Islamic University of Technology, Gazipur, Bangladesh)
資料名： Scientific Programming  (Scientific Programming)
巻： 2022  ページ： Null  発行年： 2022年 
JST資料番号： W0689A  ISSN： 1058-9244  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： イギリス (GBR)  言語： 英語 (EN)

抄録/ポイント： 心不全は,心臓の筋肉の収縮特性の低下により,体への血液の供給低下を特徴とする慢性心臓状態である。他の心臓障害のように,心不全は,活動を制限し,患者の寿命を短縮し,最もしばしば死亡し,または後に死亡する重大な障害である。心不全患者の生存の検出は,患者の治療と生活の質の両方に関して,効果的な介入と良好な予後の経路である。機械学習技術は,前もって心不全患者の生存の予測に使用できるので,適切な治療を受ける患者を可能にするので,この点で重要である。したがって,6つの教師つき機械学習アルゴリズムを研究して,UCIマシン学習リポジトリから299人の個人のデータセットを分析して,心不全からそれらの生存性を予測するために適用した。決定木分類子,ロジスティック回帰,Gauss Naive Bayes,ランダムフォレスト分類子,K-Nearest Network,およびサポートベクトルマシンアルゴリズムを使用して,3つの異なるアプローチを追跡した。データスケーリングを標準および最小-最大スケーリング法を利用する前処理段階として実行した。しかし,グリッド探索交差検証法とランダム探索交差検証法を用いて,ハイパーパラメータを最適化した。さらに,合成少数オーバーサンプリング技術と編集最近傍(SMOTE-ENN)データ再サンプリング技術を利用して,すべての手法の性能を広範囲に比較した。実験結果は,ランダムフォレスト分類子(RFC)が,SMOTE-ENNと標準スケーリング技術と組み合わせたとき,90%の試験精度で,他のすべてのアプローチを凌駕することを明確に示した。したがって,この包括的研究は,そのような不均衡データセットにおける異なる機械学習アルゴリズムの適用性と適合性の鮮明な可視化を描き,機械学習アルゴリズムの性能を高めるためにSMOTE-ENNアルゴリズムとハイパーパラメータ最適化の役割を示す。Copyright 2022 Mirza Muntasir Nishat et al. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： アルゴリズム ,  *最適化 ,  *学習 ,  心臓 ,  可視化 ,  *心不全 ,  ディシジョンツリー ,  予後 ,  *機械学習 ,  学習アルゴリズム ,  サポートベクトルマシン
準シソーラス用語： *オーバサンプリング ,  ロジスティック回帰分析 ,  ランダムフォレスト ,  分類子 , 【Automatic Indexing@JST】

分類 (2件)： 循環系疾患の治療一般  (GJ05010B) ,  循環系の臨床医学一般  (GJ01030V)

引用文献 (49件)：

• World Health Organization, "Cardiovascular diseases (CVDs)," 2021, https://www.who.int/en/news-room/fact-sheets/detail/cardiovascular-diseases-cvds.
• Nhlbi Nih, "Heart failure," 2021, https://www.nhlbi.nih.gov/health-topics/heart-failure.
• K. F. Adams Jr, G. C. Fonarow, C. L. Emerman, T. H. LeJemtel, M. R. Costanzo, W. T. Abraham, R. L. Berkowitz, M. Galvao, D. P. Horton, ADHERE, "Characteristics and outcomes of patients hospitalized for heart failure in the United States: rationale, design, and preliminary observations from the first 100,000 cases in the Acute Decompensated Heart Failure National Registry (ADHERE)," American Heart Journal, vol. 149, no. 2, pp. 209-216, 2005.
• G. C. Fonarow, W. T. Abraham, N. M. Albert, W. A. Gattis, M. Gheorghiade, B. Greenberg, C. M. O’Connor, C. W. Yancy, J. Young, "Organized program to initiate lifesaving treatment in hospitalized patients with heart failure (OPTIMIZE-HF): rationale and design," American Heart Journal, vol. 148, no. 1, pp. 43-51, 2004.
• American Heart Association, "What is heart failure?," 2020, https://www.heart.org/en/health-topics/heart-failure/what-is-heart-failure.

タイトルに関連する用語 (10件)： 均衡 ,  心不全 ,  データセット ,  オーバサンプリング ,  技法 ,  ハイパーパラメータ ,  最適化 ,  機械学習 ,  分類器 ,  研究