Analysis and Prediction PCOS Using Classification Algorithms
- سال انتشار: 1402
- محل انتشار: دوازدهمین همایش ملی و سومین همایش بین المللی بیوانفورماتیک
- کد COI اختصاصی: IBIS12_094
- زبان مقاله: انگلیسی
- تعداد مشاهده: 101
نویسندگان
Department of Mathematics and Computer Science, Damghan University, Damghan, Iran
Department of Biology, University of Guilan, Guilan, Iran
چکیده
Five to Ten percent of women of reproductive age suffer with pcos, the most prevalentendocrine gland illness. Predicting the occurrence of polycystic ovarian syndrome (PCOS) is thereforea helpful method to raise women's awareness of reproductive health.In this study, machine learning and neural network algorithms are used to predict the PCOS. The siximportant classification models are applied to forecast PCOS model in women. Models werecompared and evaluated using statistical measures such as Accuracy, Balanced Accuracy, AUC-ROCCurve, and F۱ Score. Based on these evaluations, the best model was selected. AdaBoostClassifier isthought to be the best model for forecasting PCOS. The findings show that the F۱ Score, BalancedAccuracy, and AUC-ROC Curve values are ۰.۷۴, ۰.۷۴, and ۰.۶۵, respectively, and that theAdaBoostClassifier's accuracy is close to ۸۰%.کلیدواژه ها
polycystic ovarian syndrome; machine learning; Accuracy; statistical; AdaBoostClassifierمقالات مرتبط جدید
- فولاد سبز؛ گذر از چالش های صنعتی تا سازندگی پایدار و آسمانی پاک
- An Overview of Green Builders in Detergents: Advancing Sustainable Cleaning Technologies
- Simulation of CIGS Solar Cell and Improvement of Its Parameters
- Assessing the Economic Viability of Renewable Energy Solutions Using Wave and Solar Power for Supplying Electricity to Hotels in Island Areas
- انرژی خورشیدی منبعی پایدار و تجدیدپذیر برای آینده
اطلاعات بیشتر در مورد COI
COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.
کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.