Name: Stratégies d'apprentissage automatique pour la classification du diabète de type 2 Classification du diabète (en Francés)
Price: 88420.00 CLP
Availability: InStock
Author: Roobini, M. S. ; Clemency, C. A. Daphine Desona ; D, Aishwarya
ISBN: 9786206965114

portada Stratégies d'apprentissage automatique pour la classification du diabète de type 2 Classification du diabète (en Francés)

Formato

Libro Físico

Autor

M. S. Roobini

C. A. Daphine Desona Clemency

Aishwarya D

Editorial

Editions Notre Savoir

Idioma

Francés

N° páginas

Encuadernación

Tapa Blanda

Dimensiones

22.9 x 15.2 x 0.4 cm

Peso

0.11 kg.

ISBN13

9786206965114

Stratégies d'apprentissage automatique pour la classification du diabète de type 2 Classification du diabète (en Francés)

M. S. Roobini (Autor) · C. A. Daphine Desona Clemency (Autor) · Aishwarya D (Autor) · Editions Notre Savoir · Tapa Blanda

Libro Nuevo

$ 88.420

$ 122.800

Ahorras: $ 34.380

28% descuento

Envío normal

Origen: Estados Unidos (Costos de importación incluídos en el precio)

Se enviará desde nuestra bodega entre el Jueves 25 de Julio y el Jueves 01 de Agosto.

Lo recibirás en cualquier lugar de Chile entre 1 y 3 días hábiles luego del envío.

Reseña del libro "Stratégies d'apprentissage automatique pour la classification du diabète de type 2 Classification du diabète (en Francés)"

L'augmentation du nombre de cas de diabète de type 2 a stimulé la recherche de systèmes de diagnostic robustes. L'intégration de l'apprentissage automatique améliore ces systèmes en analysant divers ensembles de données et en s'attaquant aux complications associées telles que l'obésité, les mauvaises habitudes et l'hypertension. La détection précoce est cruciale, compte tenu des graves conséquences pour la santé. L'apprentissage automatique, associé au traitement du langage naturel, facilite le pronostic, le diagnostic et les plans de prévention. En utilisant l'ensemble de données PIDD (768 échantillons, 16 attributs), cette recherche se concentre sur la prédiction du diabète avec un ensemble de caractéristiques élargi. Le prétraitement comprend la normalisation, l'équilibrage avec SMOTE et des contrôles d'exhaustivité pour améliorer la précision du modèle. Dans l'ensemble, cette étude souligne le rôle central du ML dans l'amélioration de la compréhension du diabète de type 2 et des capacités prédictives grâce à des méthodologies méticuleuses et à la sélection d'ensembles de données.