Στατιστικά μοντέλα ταξινόμησης με εφαρμογή στην ανίχνευση επιπλοκών στη φυσιολογική ανάπτυξη και την καλή υγεία εμβρύων

Abstract

Στην παρούσα διπλωματική εργασία παρουσιάζεται μια οικογένεια προβλημάτων που είναι γνωστή ως προβλήματα ταξινόμησης και ο τρόπος αντιμετώπισής τους μέσω των στατιστικών μοντέλων ταξινόμησης. Επικεντρωνόμαστε σε τρία διαφορετικά μοντέλα τα οποία θεμελιώνονται τόσο σε θεωρητικό όσο και σε πρακτικό επίπεδο. Μέσω της ενίσχυσής τους με ένα σύνολο τεχνικών και μεθοδολογιών της μηχανικής μάθησης τα μοντέλα αυτά είναι ικανά να αντιμετωπίσουν με επιτυχία προβλήματα από πολλούς διαφορετικούς τομείς όπως αυτοί των χρηματοοικονομικών, της ιατρικής, της επιστήμης δεδομένων και άλλων. Στο τελευταίο κομμάτι της διπλωματικής εργασίας παρουσιάζεται ένα πραγματικό πρόβλημα από τον τομέα της ιατρικής το οποίο αφορά δεδομένα που προκύπτουν από ιατρικές μετρήσεις σε έμβρυα μέσω μίας κλινικής εξέτασης που ονομάζεται καρδιοτοκογράφημα. Σκοπός της διπλωματικής εργασίας είναι η εφαρμογή, η σύγκριση, η αξιολόγηση και η βελτιστοποίηση των μοντέλων που παρουσιάστηκαν αρχικά σε θεωρητικό επίπεδο πάνω σε αυτά τα ιατρικά δεδομένα, ώστε να δούμε ποια από αυτά είναι σε θέση να ανιχνεύουν τυχόν επιπλοκές στην φυσιολογική ανάπτυξη και καλή υγεία του εμβρύου αξιόπιστα.