ارسل ملاحظاتك

ارسل ملاحظاتك لنا







استخدام أساليب التعليم الآلي للتنبؤ بمرض السكري

العنوان بلغة أخرى: Using Machine Learning Techniques for Prediction Diabetes
المصدر: مجلة الدراسات والبحوث التجارية
الناشر: جامعة بنها - كلية التجارة
المؤلف الرئيسي: المتولي، ساره شعبان (مؤلف)
مؤلفين آخرين: عبدالعاطي، فاطمة علي محمد (مشرف), المنجي، هشام محمد رجب (مشرف)
المجلد/العدد: س41, ع3
محكمة: نعم
الدولة: مصر
التاريخ الميلادي: 2021
الصفحات: 629 - 650
ISSN: 1110-1547
رقم MD: 1282797
نوع المحتوى: بحوث ومقالات
اللغة: العربية
قواعد المعلومات: EcoLink
مواضيع:
كلمات المؤلف المفتاحية:
التعلم الآلي | التعلم بإشراف | التعلم بدون اشراف | الانحدار اللوجستي | تحليل المكونات الرئيسية | Machine Learning | Supervised Learning | Unsupervised Learning | Logistic Regression | Principle Component Analysis
رابط المحتوى:
صورة الغلاف QR قانون

عدد مرات التحميل

19

حفظ في:
المستخلص: يعتبر مرض السكري من الأمراض غير المعدية المعروفة في العالم، قدر على أنه السبب السابع للوفاة، يتسبب مرض السكري في وفاة عدد كبير من الأشخاص كل عام ولا يدرك عدد كبير من الأشخاص المصابين بالمرض حالته الصحية مبكرا بما فيه الكفاية (2019) Zhu et al. يتم في هذا البحث اقتراح نموذج للتنبؤ بمرض السكري في مرحلة مبكرة باستخدام أساليب التعلم الآلي، يتكون النموذج من استخدام نموذج الانحدار اللوجستي (تعلم آلي بإشراف) ويتم أيضا تحسين دقته عن طريق استخدام تحليل المكونات الرئيسية (تلم آلي بدون إشراف) لتقليل الأبعاد بدون فقد الكثير من المعلومات قبل استخدام نموذج الانحدار اللوجستي.

Diabetes is well-known non-transmittable diseases in the world. It is assessed to be the seventh leading cause for death, Diabetes causes a large number of deaths each year and a large number of people living with the disease do not realize their health condition early enough Zhu et al (2019). In this paper, a model for predicting diabetes at an early stage using machine learning methods is proposed, The model consists of using the Logistic Regression Model (supervised machine learning) and it is also improved accuracy by using principle component analysis (un supervised machine learning) to reduce the dimensions without losing a Jot of information before using the logistic regression model.

ISSN: 1110-1547