ПРИМЕНЕНИЕ ГИБРИДНЫХ МЕТОДОВ МАШИННОГО ОБУЧЕНИЯ ДЛЯ ДИАГНОСТИКИ ДИАБЕТА

Авторы

  • Мухамедиева Дилноз Тулкуновна Национальный исследовательский университет «Ташкентский институт инженеров ирригации и механизации сельского хозяйства», Узбекистан
  • Васиева Дильфуза Дилшод кизи Национальный исследовательский университет «Ташкентский институт инженеров ирригации и механизации сельского хозяйства», Узбекистан
  • Собиров Рузимбой Атабекович Национальный исследовательский университет «Ташкентский институт инженеров ирригации и механизации сельского хозяйства», Узбекистан
  • Нажмиддинов Ахлиддин Сирожиддин угли Национальный исследовательский университет «Ташкентский институт инженеров ирригации и механизации сельского хозяйства», Узбекистан

Ключевые слова:

машинное обучение, случайный лес, градиентный бустинг, модель стекинга, метрика.

Аннотация

В работе исследуется применение ансамблевых методов, таких как случайный лес, градиентный бустинг и бэггинг для диагностики сахарного диабета и анализирует их преимущества и вызовы. Гибридные методы способствуют увеличению точности диагностики и снижению ложных срабатываний и ложноотрицательных результатов. В целом, гибридные методы машинного обучения представляют собой перспективный инструмент для улучшения диагностики сахарного диабета и могут способствовать более эффективному выявлению и управлению этим хроническим заболеванием.

Библиографические ссылки

Ahmad H, Asghar MU, Asghar MZ, Khan A, Mosavi AH. A hybrid deep learning

technique for personality trait classification from text. IEEE Access. (2021) 9:146214–

doi: 10.1109/ACCESS.2021.3121791

Alghazzawi D, Bamasaq O, Ullah H, Asghar MZ. Efficient detection of DDoS

attacks using a hybrid deep learning model with improved feature

selection. ApplSci. (2021) 11:11634. doi: 10.3390/app112411634

Рашка, С. Python и машинное обучение [Текст] / С. Рашка. – М. : ДМК Пресс,

– 418 с.

Khattak A, Habib A, Asghar MZ, Subhan F, Razzak I, Habib A. Applying deep

neural networks for user intention identification. Soft Comput. (2021) 25:2191–220.

doi: 10.1007/s00500-020-05290-z

Char, D. S., Shah, N. H., & Magnus, D. (2018). Implementing Machine Learning in

Health Care—Addressing Ethical Challenges // New England Journal of

Medicine,378(11), 981-983.

Butt UM, Letchmunan S, Ali M, Hassan FH, Baqir A, Sherazi HHR. Machine

learning based diabetes classification and prediction for healthcare

applications. JHealthcareEng. (2021)

Загрузки

Опубликован

2024-07-20

Выпуск

Том 1 № 7 (2024): “YANGI O‘ZBEKISTONNING TARAQQIYOT DAVRIDA FAN, TA’LIM VA INNOVATSION TEXNOLOGIYALARNI RIVOJLANTIRISHNING DOLZARB MASALALARI”

Раздел

Статьи

Лицензия

Copyright (c) 2024 Дилноз Мухамедиева, Дильфуза Васиева, Рузимбой Собиров, Ахлиддин Нажмиддинов

Лицензия Creative Commons

Это произведение доступно по лицензии Creative Commons «Attribution» («Атрибуция») 4.0 Всемирная.

Как цитировать

ПРИМЕНЕНИЕ ГИБРИДНЫХ МЕТОДОВ МАШИННОГО ОБУЧЕНИЯ ДЛЯ ДИАГНОСТИКИ ДИАБЕТА. (2024). Универсал международный научный журнал, 1(7), 58-64. https://universaljurnal.uz/index.php/jurnal/article/view/873