پیش بینی وضعیت سیگاری بودن افراد با استفاده از الگوریتم های یادگیری تقویتی

ثابت شده است که سیگار به طرق مختلف بر سلامتی تاثیر منفی می گذارد و به همه اندام های بدن آسیب می رساند و باعث بسیاری از بیماری ها می شود و همچنین به طور کلی باعث کاهش طول عمر افراد سیگاری می شود. از سال ۲۰۱۸، سیگار به عنوان عامل اصلی عوارض و مرگ و میر قابل پیشگیری در جهان در نظر گرفته شده است و همچنان سلامت کلی جهان را تحت تاثیر قرار می دهد. برای غلبه بر این مشکل ، عوامل متعددی برای شناسایی افراد سیگاری که شانس بیشتری برای ترک سیگار داشتند. ارائه یک مدل پیش بینی ممکن است راهی مطلوب برای درک شانس ترک سیگار برای هر فرد سیگاری باشد. هدف این مطالعه بررسی قابلیت و اثربخشی برخی از الگوریتم های یادگیری تقویتی برای پیش بینی وضعیت سیگار کشیدن بیماران بر اساس آزمایش های خون و نتایج قرائت های حیاتی است . در این مقاله از روش های مختلف یادگیری تقویتی برای پیش بینی وضعیت سیگاری بودن افراد استفاده شده است که در ابین این الگوریتم ها، الگوریتم CatBoost با دقت ۸۷.۰ بهترین کارآرایی را داشته است .

کلیدواژه ها:

سیگار کشیدن ، علایم حیاتی ، الگوریتم های یادگیری تقویتی و پیش بینی