Zastosowanie narzędzi Data Science do analizy danych o niewydolności serca

dc.contributor.author	Śliwińska, Justyna
dc.date.accessioned	2023-01-02T08:44:23Z
dc.date.available	2023-01-02T08:44:23Z
dc.date.issued	2023-01-02
dc.identifier.issn	2021/M/DS/12
dc.identifier.uri	https://repin.pjwstk.edu.pl/xmlui/handle/186319/2050
dc.description.abstract	W poniższej pracy przedstawiono zagadnienia dotyczące klasyfikatorów oraz zaprezentowano przykładowe działanie w praktyce. Zaprezentowano teorię dotycząca budowy i oceny modeli statystycznych. W części analitycznej zbudowano za pomocą języka programowania Python klasyfikatory drzewa decyzyjnego oraz k-najbliższych sąsiadów, używając danych z portalu UC Irvine Machine Learning Repository. Celem było przewidzenie czy pacjent o zadanych cechach jest zagrożony wystąpieniem niewydolności serca.	pl_PL
dc.language.iso	other	pl_PL
dc.relation.ispartofseries	;Nr 6330
dc.subject	Klasyfikatory	pl_PL
dc.subject	drzewa decyzyjne	pl_PL
dc.subject	metoda k-najbliższych sąsiadów	pl_PL
dc.title	Zastosowanie narzędzi Data Science do analizy danych o niewydolności serca	pl_PL
dc.type	Thesis	pl_PL