Central AsianResearch Index

SYMPTOMATIC ASSESSMENT OF DISEASES USING DECISION TREES AND ANALYSIS OF ELECTRONIC MEDICAL RECORDS

Supervised machine learning algorithms have emerged as the primary data mining tool. The use of health data to diagnose disease has lately revealed the potential use of these technologies. The purpose of this research is to find various forms of regulated machine learning algorithms as well as major trends in measuring performance and illness risk. In this article, we will attempt to anticipate patient illnesses based on their symptoms. We employ the decision tree algorithm to reach this aim, which will aid in the diagnosis of patients' health. The data set includes physiological measures for 42 different illnesses (diseases) and 129 different features (symptoms). We created a categorized decision tree model that uses standardization techniques known as format reduction to generalize data and delivers training to a dataset in a short amount of time. Developed trained models are then utilized to forecast illnesses, including their causes and preventative strategies, after they have been normalized. Контролируемые алгоритмы машинного обучения стали основным инструментом для извлечения данных. Использование медицинских данных для диагностики заболеваний недавно выявило возможное применение этих технологий. Цель данного исследования состоит в том, чтобы найти различные формы регулируемых алгоритмов машинного обучения, а также основные тенденции в измерении производительности и риска заболеваний. В этой статье мы попытаемся предсказать заболевания пациентов на основе их симптомов. Для достижения поставленной цели мы используем алгоритм решений, который помогает диагностировать здоровье пациентов. Набор данных включает физиологические показатели 42 различных заболеваний и 129 различных симптомов. Мы разработали классифицированную модель дерева решений, которая использует методы стандартизации, называемые сокращением форматов, для обобщения данных и обеспечивает обучение набору данных в короткие сроки. Затем наши обученные модели используются для прогнозирования заболеваний, включая их причины и стратегии профилактики, после нормализации.

Сведения

Опубликовано
2022 · Т. 3, № 1(9), С. 66-73
Язык
Английский
ISSN
2708-2032 · 2708-2040
Издатель
International Information Technology University