تطبيق اسلوبين من اساليب التعلم الآلي للتنبؤ ولتصنيف داء السكري من النوع الثاني
DOI:
https://doi.org/10.37376/glj.vi60.4431الكلمات المفتاحية:
predictive accuracy، classification accuracy Logistic Regression Analysis، linear discriminant analysisالملخص
الهدف الرئيسي من الدراسة هو تقييم التنبؤ ودقة التصنيف لاثنين من تقنيات التعلم الآلي وهي تحليل التمييز الخطي (LDA) وتحليل الانحدار اللوجستي (LRA) باستخدام بيانات حقيقية لمرض السكري من النوع الثاني. تم تحديد دقة التصنيف لكلا النموذجين من خلال معدل دقة التصنيف. صنفت LRA و LDA بشكل صحيح 78.70٪ و 80.00٪ من داء السكري من النوع الثاني (مرضى السكر وغير مرضى السكر) على التوالي. تمتلك LRA حساسية ونوعية 64.38٪ و 85.35٪ على التوالي ، وكان لدى LDA حساسية وخصوصية 70.88٪ و 84.77٪ على التوالي. كان لكل من النموذجين معدل تصنيف شامل جيد. من حيث معدل التصنيف المناسب ، كان نموذج LDA افضل بشكل طفيف على نوذج LRA. بشكل عام ، كشفت نتائج هذه الدراسة أن نموذج LRA مناسبًا لدقة التنبؤ بينما يبدو أن نموذج LDA مناسب لإجراءات التصنيف.
التنزيلات
التنزيلات
منشور
كيفية الاقتباس
إصدار
القسم
الرخصة
الحقوق الفكرية (c) 2023 المجلة الليبية العالمية
هذا العمل مرخص بموجب Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.