From symptom to solution : leveraging machine learning for improving healthcare prognosis

Abstract

Αυτή ημελέτη αξιολογεί και συγκρίνει την απόδοση πέντε αλγορίθμων μηχανικής μάθησης για ιατρική διάγνωση χρησιμοποιώντας ένα σύνολο δεδομένων από το Kaggle. Οι αλγόριθμοι περιλαμβάνουν τους ταξινομητές Gradient Boosting, Decision Tree, Random Forest, Logistic Regression και Multinomial Naive Bayes. Το σύνολο δεδομένων προεπεξεργάστηκε και διαμερίστηκε χρησιμοποιώντας διασταυρούμενη επικύρωση για αξιόπιστη αξιολόγηση μοντέλου. Οι μετρικές αξιολόγησης που χρησιμοποιήθηκαν ήταν ακρίβεια, ακρίβεια, ανάκληση και F1-score. Όλοι οι αλγόριθμοι, εκτός από τον ταξινομητή Multinomial Naive Bayes, παρουσίασαν εξαιρετική απόδοση σε όλες τις μετρικές. Τα ευρήματα υπογραμμίζουν την αποτελεσματικότητα των αλγορίθμων μηχανικής μάθησης στην ιατρική διάγνωση και παρέχουν μια βάση για μελλοντικές εξερευνήσεις σε αυτόν τον τομέα.