Gibridnaq tehnika dlq associatiwnoj klassifikacii boleznej serdca

Za poslednie neskol'ko let industriq zdrawoohraneniq sobiraet ogromnye ob#emy medicinskih dannyh, kotorye, k sozhaleniü, ne izwlekaütsq, chtoby obnaruzhit' skrytuü informaciü dlq prinqtiq äffektiwnyh reshenij. Segodnq medicinskie sluzhby prodelali ogromnyj put' dlq lecheniq pacientow s razlichnymi zabolewaniqmi. Sredi samyh smertel'nyh - bolezni serdca, kotorye ne widny newooruzhennym glazom i nastupaüt mgnowenno. Smertnost' uwelichilas' iz-za neprawil'nyh klinicheskih reshenij. Dlq obespecheniq nadezhnogo i äkonomicheski äffektiwnogo lecheniq mozhno razrabotat' komp'üternye informacionnye sistemy ili sistemy podderzhki prinqtiq reshenij. Poisk dannyh obespechiwaet reshenie dlq obnaruzheniq znanij iz ätih bol'shih i slozhnyh baz dannyh. Rabota awtora wklüchaet w sebq razrabotku frejmworka, osnowannogo na metodah associatiwnoj klassifikacii na nabore dannyh serdca. Realizaciq raboty wypolnena na nabore dannyh serdca iz repozitoriq UCI Machine Learning Repository dlq testirowaniq i ocenki na razlichnyh dlq polucheniq luchshih rezul'tatow. Jexperimental'nye rezul'taty pokazywaüt, chto bol'shinstwo prawil associatiwnoj klassifikacii pomogaüt w nailuchshem prognozirowanii serdechnyh zabolewanij i pomogaüt w sozdanii nadezhnoj sistemy podderzhki prinqtiq reshenij.