Ensemble model pro diagnostiku srdečních chorob – Olasunkanmi Julius Awotimehin
Olasunkanmi Julius Awotimehin
Master's thesis
Ensemble model pro diagnostiku srdečních chorob
Development of Ensemble Model for Heart Disease Diagnosis
Abstract:
Development of an ensemble model for diagnosing heart diseases has become increasingly popular in recent years due to its ability to enhance the accuracy and robustness of traditional machine learn-ing models. This study presents the development and evaluation of an ensemble model for diagnos-ing heart diseases. The proposed model utilizes several machine learning algorithms, including KNN, logistic …moreAbstract:
Vývoj ensemble modelu pro diagnózu srdečních chorob se v posledních letech stává stále populárnějším přístupem díky schopnosti zvýšit přesnost a robustnost tradičních modelů strojového učení. Tato práce představuje studii vývoje a hodnocení ensemble modelu pro diagnózu srdečních chorob. Navrhovaný model využívá několik algoritmů strojového učení, včetně KNN, logistické regrese, vícevrstvého perceptronu …more
Language used: English
Date on which the thesis was submitted / produced: 26. 5. 2023
Thesis defence
Citation record
ISO 690-compliant citation record:
AWOTIMEHIN, Olasunkanmi Julius. \textit{Ensemble model pro diagnostiku srdečních chorob}. Online. Master's thesis. Zlín: Tomas Bata University in Zlín, Faculty of Applied Informatics. 2023. Available from: https://theses.cz/id/zc4tsd/.
The right form of listing the thesis as a source quoted
Awotimehin, Olasunkanmi Julius. Ensemble model pro diagnostiku srdečních chorob. Zlín, 2023. diplomová práce (Ing.). Univerzita Tomáše Bati ve Zlíně. Fakulta aplikované informatiky
Full text of thesis
Contents of on-line thesis archive
Published in Theses:- autentizovaným zaměstnancům ze stejné školy/fakulty
Other ways of accessing the text
Institution archiving the thesis and making it accessible: Univerzita Tomáše Bati ve Zlíně, Fakulta aplikované informatikyPlny text prace je k dispozici v elektronicke podobe
Tomas Bata University in Zlín
Faculty of Applied InformaticsMaster programme / field:
Engineering Informatics / Information Technologies
Theses on a related topic
-
Možnosti využití Raspberry Pi pro autonomní řízení modelu vozidla
Martin Hromádko -
Algoritmy strojového učení pro zpracování událostí z fázově citlivého OTDR
Přemysl Till -
Supervizorované algoritmy strojového učení pro analýzu průmyslových dat
Ondřej Budík -
Samoučící algoritmy strojového učení pro analýzu průmyslových dat
Jiří Jurík -
Vizualizace chování algoritmů strojového učení vzhledem k charakteru datových sad
Otakar Joch -
Rozhodovací algoritmy na notebooku Jupyter
Michael Mandík -
Algoritmy pro rozvrhování lidských zdrojů s využitím strojového učení
Roman Václavík -
Aplikace algoritmů strojového učení ve spektroskopii
Jakub Hruška