Dit werk maakt deel uit van het statistisch leren van gegevens voor de ontwikkeling van modellen. Meer in het bijzonder is het gewijd aan de studie van random forests, een van de meest recente algoritmen in de familie van patroonclassificatiemethoden. Een groot voordeel van random forest is dat het kan worden gebruikt voor zowel classificatie- als regressieproblemen, die de meerderheid vormen van de huidige systemen voor machinaal leren. In dit werk gebruikten wij coronavirusgegevens om het voorgestelde model te genereren en te evalueren. Wij kozen voor random forests, die een uniforme meerderheidsstemming van beslissingsbomen toepassen om een optimale voorspelling te produceren, om patiënten te classificeren die positief of negatief op coronavirus testten. De gegevens werden gebruikt als een trainingsmonster om een beslissingsmodel te ontwerpen.
Hinweis: Dieser Artikel kann nur an eine deutsche Lieferadresse ausgeliefert werden.
Hinweis: Dieser Artikel kann nur an eine deutsche Lieferadresse ausgeliefert werden.