Software using random forest for risk prediction of heart valve surgery patients – Georg HERMANUTZ
Georg HERMANUTZ
Bakalářská práce
Software using random forest for risk prediction of heart valve surgery patients
Software using random forest for risk prediction of heart valve surgery patients
Abstract:
CASPeR - Cardiac surgery prediction tool for risk stratification of heart valve surgeries is presented. The base builds a machine learning pipeline for training a random forest classifier which predicts the mortality after a certain amount of days after the surgery was performed. The classifier also offers a list of potential risk factors through its in build feature selection. With a survival analysis …víceAbstract:
CASPeR - Cardiac surgery prediction tool for risk stratification of heart valve surgeries is presented. The base builds a machine learning pipeline for training a random forest classifier which predicts the mortality after a certain amount of days after the surgery was performed. The classifier also offers a list of potential risk factors through its in build feature selection. With a survival analysis …více
Jazyk práce: angličtina
Datum vytvoření / odevzdání či podání práce: 21. 7. 2017
Obhajoba závěrečné práce
- Vedoucí: doc. Dr. Ulrich Bodenhofer
Citační záznam
Citace dle ISO 690:
HERMANUTZ, Georg. \textit{Software using random forest for risk prediction of heart valve surgery patients}. Online. Bakalářská práce. České Budějovice: Jihočeská univerzita v Českých Budějovicích, Přírodovědecká fakulta. 2017. Dostupné z: https://theses.cz/id/nq957c/.
Jak správně citovat práci
HERMANUTZ, Georg. Software using random forest for risk prediction of heart valve surgery patients. Č. Budějovice, 2017. bakalářská práce (Bc.). JIHOČESKÁ UNIVERZITA V ČESKÝCH BUDĚJOVICÍCH. Přírodovědecká fakulta
Plný text práce
Obsah online archivu závěrečné práce
Zveřejněno v Theses:- světu
Jak jinak získat přístup k textu
Instituce archivující a zpřístupňující práci: JIHOČESKÁ UNIVERZITA V ČESKÝCH BUDĚJOVICÍCH, Přírodovědecká fakultaJIHOČESKÁ UNIVERZITA V ČESKÝCH BUDĚJOVICÍCH
Přírodovědecká fakultaBakalářský studijní program / obor:
Applied Informatics / Bioinformatics
Práce na příbuzné téma
-
Fiscal multipliers through machine learning
Juraj Szitás -
Analýza rozsiahlych medicínskych dát
Bianca Isabelle Karičková -
Statistická inference v analýze přežití s použitím R a Shiny aplikace
Veronika Horská -
Podpora výuky základů teorie pravděpodobnosti pomocí R-kových shiny aplikací
Veronika Struhárová -
Publikace prostorově-statistických dat v prostředí Shiny
Tomáš POTOČIAR -
Webová aplikace pro analýzu síťových dat v R - balíček Shiny
Štěpán Kastowský -
Shiny aplikace pro modernizaci výuky pravděpodobnostních rozdělení
Ulviyya Taghi-zada -
Shiny aplikace pro podporu výuky testování hypotéz
Daniel Švec
Název
Vložil
Vloženo
Práva