Andere Kunden interessierten sich auch für
![APPLICAZIONE DELL'APPRENDIMENTO AUTOMATICO PER IL RILEVAMENTO DELLE MALATTIE CARDIACHE]( "APPLICAZIONE DELL'APPRENDIMENTO AUTOMATICO PER IL RILEVAMENTO DELLE MALATTIE CARDIACHE")
APPLICAZIONE DELL'APPRENDIMENTO AUTOMATICO PER IL RILEVAMENTO DELLE MALATTIE CARDIACHE29,99 €![TECNICHE DI DEEP LEARNING PER LA DIAGNOSI DELLE MALATTIE]( "TECNICHE DI DEEP LEARNING PER LA DIAGNOSI DELLE MALATTIE")
TECNICHE DI DEEP LEARNING PER LA DIAGNOSI DELLE MALATTIE29,99 €![Sistema esperto fuzzy per la diagnosi delle malattie della pelle]( "Sistema esperto fuzzy per la diagnosi delle malattie della pelle")
Sistema esperto fuzzy per la diagnosi delle malattie della pelle26,99 €![Approccio al machine learning e previsioni sulle malattie cardiache]( "Approccio al machine learning e previsioni sulle malattie cardiache")
Approccio al machine learning e previsioni sulle malattie cardiache29,99 €![Diagnóstico médico da doença cardíaca usando o Algoritmo Naïve Bayes]( "Diagnóstico médico da doença cardíaca usando o Algoritmo Naïve Bayes")
Diagnóstico médico da doença cardíaca usando o Algoritmo Naïve Bayes26,99 €![Medizinische Diagnose von Herzkrankheiten mit dem Naïve Bayes Algorithmus]( "Medizinische Diagnose von Herzkrankheiten mit dem Naïve Bayes Algorithmus")
Medizinische Diagnose von Herzkrankheiten mit dem Naïve Bayes Algorithmus39,90 €![Diagnostic médical des maladies cardiaques à l'aide de l'algorithme de Naïve Bayes]( "Diagnostic médical des maladies cardiaques à l'aide de l'algorithme de Naïve Bayes")
Diagnostic médical des maladies cardiaques à l'aide de l'algorithme de Naïve Bayes26,99 €
Negli ultimi tempi l'industria sanitaria ha raccolto grandi quantità di dati dei pazienti, che purtroppo non vengono prodotti per fornire alcune informazioni nascoste, e quindi per prendere decisioni efficaci, che sono collegate alla base dei dati del paziente e sono sottoposte al data mining. Questo lavoro ha sviluppato un sistema di supporto decisionale per la previsione delle malattie cardiache (HDPS) utilizzando tecniche di modellazione di data mining, ovvero Naïve Bayes e K-means, che sono una delle tecniche più diffuse. Utilizzando dati medici come l'età, il sesso, la pressione sanguigna, i livelli di zucchero nel sangue, il dolore toracico, ecc. si può prevedere la probabilità del paziente. La maggior parte degli ospedali oggi utilizza sistemi di supporto alle decisioni, ma per ottenere i risultati della malattia sono in gran parte limitati, cioè determinano in base al sesso, allo stato civile e a chi è stato trattato per insufficienza cardiaca. Le soluzioni vengono sempre prese in ospedale sulla base dell'intuizione e dell'esperienza dei medici, e non sulla base della ricca conoscenza dei dati nascosti nel database. Questo processo porta a pregiudizi indesiderati, errori e costi sanitari non necessari, che si ripercuotono sulla qualità dei servizi forniti ai pazienti.