Research indexJournal article
ПРИМЕНЕНИЕ ГИБРИДНЫХ МЕТОДОВ МАШИННОГО ОБУЧЕНИЯ ДЛЯ ДИАГНОСТИКИ ДИАБЕТА
Тулкуновна, кизи, Атабекович and 1 other
Zenodo (CERN European Organization for Nuclear Research)16 Jul 2024Open access
NobleIDark:/48914/w1/20260525/3F68D18ADOI10.5281/zenodo.12749856
ПРИМЕНЕНИЕ ГИБРИДНЫХ МЕТОДОВ МАШИННОГО ОБУЧЕНИЯ ДЛЯ ДИАГНОСТИКИ ДИАБЕТА
Тулкуновна, кизи, Атабекович and 1 other · Zenodo (CERN European Organization for Nuclear Research) · 2024
NobleIDark:/48914/w1/20260525/3F68D18ADOI10.5281/zenodo.12749856
Free to read at the publisher
You can read the abstract here, or the full text at the publisher.
Abstract
В работе исследуется применение ансамблевых методов, таких как случайный лес, градиентный бустинг и бэггинг для диагностики сахарного диабета и анализирует их преимущества и вызовы. Гибридные методы способствуют увеличению точности диагностики и снижению ложных срабатываний и ложноотрицательных результатов. В целом, гибридные методы машинного обучения представляют собой перспективный инструмент для улучшения диагностики сахарного диабета и могут способствовать более эффективному выявлению и управлению этим хроническим заболеванием.