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 …viacAbstract:
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 …viac
Jazyk práce: English
Datum vytvoření / odevzdání či podání práce: 26. 5. 2023
Obhajoba závěrečné práce
Citační záznam
Jak správně citovat práci
Awotimehin, Olasunkanmi Julius. Ensemble model pro diagnostiku srdečních chorob. Zlín, 2023. diplomová práce (Ing.). Univerzita Tomáše Bati ve Zlíně. Fakulta aplikované informatiky
Plný text práce
Obsah online archivu závěrečné práce
Zveřejněno v Theses:- autentizovaným zaměstnancům ze stejné školy/fakulty
Jak jinak získat přístup k textu
Instituce archivující a zpřístupňující práci: 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 / odbor:
Engineering Informatics / Information Technologies
Práce na příbuzné téma
-
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