Questo lavoro fa parte dell'apprendimento statistico dei dati per lo sviluppo di modelli. Più specificamente, è dedicato allo studio delle foreste casuali che sono uno degli algoritmi più recenti nella famiglia dei metodi di classificazione dei modelli. Un grande vantaggio della foresta casuale è che può essere utilizzata sia per problemi di classificazione che di regressione, che costituiscono la maggior parte degli attuali sistemi di apprendimento automatico. In questo lavoro, abbiamo usato i dati del coronavirus per generare e valutare il modello proposto. Abbiamo scelto le foreste casuali, che applicano il voto di maggioranza uniforme degli alberi di decisione per produrre una previsione ottimale, per classificare i pazienti che sono risultati positivi o negativi al coronavirus. I dati sono stati utilizzati come campione di allenamento per progettare un modello decisionale.
Hinweis: Dieser Artikel kann nur an eine deutsche Lieferadresse ausgeliefert werden.
Hinweis: Dieser Artikel kann nur an eine deutsche Lieferadresse ausgeliefert werden.