Ensemble methods forsolving problems ofmedical diagnosis; Известия Томского политехнического университета [Известия ТПУ]. Промышленная кибернетика; Т. 1, № 1

Detalles Bibliográficos
Parent link:	Известия Томского политехнического университета [Известия ТПУ]. Промышленная кибернетика: рецензируемый научный журнал/ Национальный исследовательский Томский политехнический университет.— .— Томск: ТПУ, 2023-.— 2949-5407 Т. 1, № 1.— 2023.— С. 28-31
Autor Principal:	Grigoreva A. A. Anastasia Alexandrovna
Outros autores:	Trufanov A. I. Andrey Ivanovich, Grigorev S. V. Stanislav Valentinovich
Summary:	The authors proposed the consolidating method for analyzing series of observations based on a fitted model of a mixture of catalysts of the maincomponents, which makes it possible to study any number of markers. Contrasting the longitudinal approach, it eliminates the need to connect re-gression analysis methods with their own uncertainties when choosing particular models. The consolidating methodallows obtaining an original re-sult in the subject area of early diagnosis of a disease: all options for using markers demonstrate an increase in classification accuracy with an in-crease in the length of a series of examinations Предложен консолидирующий метод анализа рядов наблюдений на основе аппроксимированной модели смеси катализаторов основных компонентов, позволяющий изучать любое количество маркеров. В отличие от лонгитюдного подхода он устраняет необходимость связывать методы регрессионного анализа с их собственными неопределенностями при выборе конкретных моделей. Консолидирующий метод позволяет получить оригинальный результат в предметной области ранней диагностики заболевания: все варианты использования маркеров демонстрируют повышение точности классификации с увеличением продолжительности серии об-следований Текстовый файл
Idioma:	ruso
Publicado:	2023
Subjects:	электронный ресурс труды учёных ТПУ ансамблевое обучение агрегация данных статистическая классификация точность модели медицинский диагноз ensemble learning data aggregation statistical classification model accuracy medical diagnosis
Acceso en liña:	http://earchive.tpu.ru/handle/11683/81871 https://doi.org/10.18799/29495407/2023/1/10
Formato:	Electrónico Capítulo de libro
KOHA link:	https://koha.lib.tpu.ru/cgi-bin/koha/opac-detail.pl?biblionumber=674726