Techniques d'apprentissage automatique pour la prédiction de l'âge - Nawarathna, Lakshika S.
29,99 €
inkl. MwSt.
Versandkostenfrei*
Versandfertig in 6-10 Tagen
  • Broschiertes Buch

La prédiction de l'âge est une facette prédominante dans les domaines médico-légaux et cliniques. L'odontologie médico-légale est utilisée pour prédire un âge en utilisant des dents permanentes résistant à des températures élevées et à toute catastrophe de masse que d'autres parties du corps. La perte de mémoire liée à l'âge, la perte de mémoire associée à la démence et l'absence de documents officiels pour vérifier leur âge sont les principales raisons pour lesquelles les gens ne connaissent pas leur âge. Par conséquent, la prédiction de l'âge est utilisée dans diverses situations, telles que…mehr

Andere Kunden interessierten sich auch für
Produktbeschreibung
La prédiction de l'âge est une facette prédominante dans les domaines médico-légaux et cliniques. L'odontologie médico-légale est utilisée pour prédire un âge en utilisant des dents permanentes résistant à des températures élevées et à toute catastrophe de masse que d'autres parties du corps. La perte de mémoire liée à l'âge, la perte de mémoire associée à la démence et l'absence de documents officiels pour vérifier leur âge sont les principales raisons pour lesquelles les gens ne connaissent pas leur âge. Par conséquent, la prédiction de l'âge est utilisée dans diverses situations, telles que l'identification, l'admission, l'emploi, les questions criminelles et les sanctions judiciaires. L'objectif principal de cette étude est de prédire l'âge d'un enfant en utilisant le statut d'éruption des dents permanentes. Cette étude transversale a été menée sur 3321 individus (1681 hommes et 1640 femmes) de 7 provinces et 20 écoles du Sri Lanka. Des algorithmes d'arbres de régression en apprentissage automatique, à savoir les arbres de classification et de régression (CART), le classificateur de boosting de gradient (GB) et le classificateur de boosting de gradient extrême (XGBoost), ont été utilisés pour faire des prédictions sur l'âge d'un enfant. Les résultats de l'étude indiquent que le classificateur d'apprentissage automatique XGBoost est la méthode la plus appropriée pour prédire l'âge avec une plus grande précision.
Autorenporträt
Dr. Lakshika S. Nawarathna, Senior-Dozentin,Abteilung für Statistik und Informatik,Fakultät für Naturwissenschaften, Universität von PeradeniyaSri Lanka.