Predykcja zagrożenia cukrzycowego z wykorzystaniem uczenia maszynowego

dc.contributor.author	Kozera, Jakub
dc.date.accessioned	2022-10-20T07:18:44Z
dc.date.available	2022-10-20T07:18:44Z
dc.date.issued	2022-10-20
dc.identifier.issn	6177
dc.identifier.uri	https://repin.pjwstk.edu.pl/xmlui/handle/186319/1740
dc.description.abstract	Cukrzyca jest uznawana za chorobę cywilizacyjną, której wzrost zachorowań w ostatnich latach jest traktowany w kategorii epidemii. Kluczowe jest wczesne wykrycie choroby, dlatego postanowiono przygotować model predykcji z wykorzystaniem języka Julia określający ryzyko wystąpienia choroby. W niniejszej pracy z wykorzystaniem pakietu MLJ dokonano porównania skuteczności wybranych modeli nauczania maszynowego: drzew decyzyjnych, random forest, klasyfikatora logistycznego, sieci neuronowych oraz KNN. Po odpowiednim przygotowaniu danych wszystkie modele wykazały celność predykcji powyżej 85%. Najbardziej skutecznym modelem okazał się random forest o celności 96%, który może być wykorzystany w potencjalnej aplikacji.	pl_PL
dc.language.iso	other	pl_PL
dc.relation.ispartofseries	2021/I/D/12
dc.subject	cukrzyca	pl_PL
dc.subject	Julia	pl_PL
dc.subject	nauczanie maszynowe	pl_PL
dc.subject	klasyfikacja	pl_PL
dc.title	Predykcja zagrożenia cukrzycowego z wykorzystaniem uczenia maszynowego	pl_PL
dc.title.alternative	Diabetes risk prediction using machine learning	pl_PL
dc.type	Thesis	pl_PL