کد مقاله | کد نشریه | سال انتشار | مقاله انگلیسی | نسخه تمام متن |
---|---|---|---|---|
10514221 | 950951 | 2013 | 10 صفحه PDF | دانلود رایگان |
عنوان انگلیسی مقاله ISI
Using methods from the data-mining and machine-learning literature for disease classification and prediction: a case study examining classification of heart failure subtypes
ترجمه فارسی عنوان
با استفاده از روش های داده کاوی و ادبیات ماشین یادگیری برای طبقه بندی بیماری و پیش بینی: یک مطالعه مورد مطالعه طبقه بندی از زیر انواع نارسایی قلبی
دانلود مقاله + سفارش ترجمه
دانلود مقاله ISI انگلیسی
رایگان برای ایرانیان
کلمات کلیدی
تقویت، درختان طبقه بندی بسته بندی جنگل های تصادفی، طبقه بندی، درختان رگرسیون، ماشین آلات بردار پشتیبانی، روش های رگرسیون، پیش بینی، نارسایی قلبی،
Bagging - بسته بندی کردنBoosting - تقویتRandom forests - جنگ های تصادفیClassification trees - درخت های طبقه بندیRegression trees - درختان رگرسیونRegression methods - روشهای رگرسیونClassification - طبقه بندیSupport vector machines - ماشین بردار پشتیبانیheart failure - نارسایی قلبیPrediction - پیش بینی
موضوعات مرتبط
علوم پزشکی و سلامت
پزشکی و دندانپزشکی
سیاست های بهداشت و سلامت عمومی
چکیده انگلیسی
The use of tree-based methods offers superior performance over conventional classification and regression trees for predicting and classifying HF subtypes in a population-based sample of patients from Ontario, Canada. However, these methods do not offer substantial improvements over logistic regression for predicting the presence of HFPEF.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Journal of Clinical Epidemiology - Volume 66, Issue 4, April 2013, Pages 398-407
Journal: Journal of Clinical Epidemiology - Volume 66, Issue 4, April 2013, Pages 398-407
نویسندگان
Peter C. Austin, Jack V. Tu, Jennifer E. Ho, Daniel Levy, Douglas S. Lee,