مقایسه عملکرد الگوریتم های یادگیری ماشین برای پیش بینی شدت بیماری کووید ۱۹ از روی ویژگی های بالینی
عنوان مقاله: مقایسه عملکرد الگوریتم های یادگیری ماشین برای پیش بینی شدت بیماری کووید ۱۹ از روی ویژگی های بالینی
شناسه ملی مقاله: ICIORS16_139
منتشر شده در شانزدهمین کنفرانس بین المللی انجمن ایرانی تحقیق در عملیات در سال 1402
شناسه ملی مقاله: ICIORS16_139
منتشر شده در شانزدهمین کنفرانس بین المللی انجمن ایرانی تحقیق در عملیات در سال 1402
مشخصات نویسندگان مقاله:
ملیحه نیک سیرت - استادیار، دانشگاه صنعتی بیرجند
محسن صفاریان - استادیار، دانشگاه صنعتی بیرجند
فاطمه محمدی - دانشگاه صنعتی بیرجند
خلاصه مقاله:
ملیحه نیک سیرت - استادیار، دانشگاه صنعتی بیرجند
محسن صفاریان - استادیار، دانشگاه صنعتی بیرجند
فاطمه محمدی - دانشگاه صنعتی بیرجند
بیماری همه گیر کووید۱۹ که عامل ایجاد آن ویروس جدیدی با نام سارس-کووید۲ می باشد از اوایل سال ۲۰۲۰ در جهان شیوع پیدا کرد و باعث مرگ بسیاری از افراد در همه سنین شد. سرعت بالای انتقال این ویروس و افزایش چشمگیر مرگ و میر ناشی از آن و همچنین عدم وجود درمان قطعی برای آن، توجه بسیاری از محققان را برای شناسایی عوامل موثر بر مرگ و میر ناشی از این بیماری به خود جلب کرد. در این تحقیق با توجه به کاربرد الگوریتم های یادگیری ماشین در زمینه پیش بینی، عملکرد الگوریتم های k-نزدیکترین همسایه، k-میانگین و ماشین بردار پشتیبان برای پیش بینی احتمال مرگ و میر مبتلایان به بیماری کووید۱۹ از روی ویژگی های بالینی این بیماران، با یکدیگر مقایسه شده است.
کلمات کلیدی: بیماری کووید ۱۹، پیش بینی، الگوریتم k-نزدیکترین همسایه، الگوریتم k-میانگین، الگوریتم ماشین بردار پشتیبان.
صفحه اختصاصی مقاله و دریافت فایل کامل: https://civilica.com/doc/1920613/