1. Репозиторий Самарского национального исследовательского университета имени академика С.П. Королёва
  2. 04. Материалы конференций
  3. Информационные технологии и нанотехнологии
Full metadata record
DC FieldValueLanguage
dc.contributor.authorЗайнуллина М. А.
dc.contributor.authorМокшин В. В.
dc.coverage.spatialXGBOOST
dc.coverage.spatialкорреляционный анализ
dc.coverage.spatialмашинное обучение
dc.coverage.spatialметоды прогнозирования
dc.coverage.spatialдиабет
dc.creatorЗайнуллина М. А., Мокшин В. В.
dc.date2023
dc.date.accessioned2025-08-22T12:19:56Z-
dc.date.available2025-08-22T12:19:56Z-
dc.date.issued2023
dc.identifier.identifierRU\НТБ СГАУ\541650
dc.identifier.citationЗайнуллина, М. А. Применение модели XGBoost для обработки данных о пациентах / М. А. Зайнуллина, В. В. Мокшин // Информационные технологии и нанотехнологии (ИТНТ-2023) : сб. тр. по материалам IX Междунар. конф. и молодеж. шк. (г. Самара, 17-23 апр. 2023 г.): в 6 т. / М-во науки и высш. образования Рос. Федерации, Самар. нац. исслед. ун-т им. С. П. Королева (Самар. ун-т), Ин-т систем обраб. изобр. РАН - Фил. Федер. науч.-исслед. центра "Кристаллография и фотоника" Рос. акад. наук. - Самара : Изд-во Самар. ун-та, 2023Т. 4: Искусственный интеллект / под. ред. А. В. Никонорова. - 2023. - С. 043352.
dc.identifier.urihttp://repo.ssau.ru/jspui/handle/123456789/12908-
dc.description.abstractРассмотрены способы нахождения определяющих признаков, рассмотрен метод прогнозирования XGBoost. Для выделения значимых признаков наличия у пациента диабета использовался корреляционный анализ. Была проведена балансировка данных SMOTE для получения более точных результатов прогноза. Метод XGBoost показал хорошие результаты для данной задачи. Разработанный алгоритм позволяет предсказывать наличие диабета у пациента с высокой точностью.
dc.languagerus
dc.relation.ispartofИнформационные технологии и нанотехнологии (ИТНТ-2023) : сб. тр. по материалам IX Междунар. конф. и молодеж. шк. (г. Самара, 17-23 апр. 2023 г.): в 6
dc.sourceИнформационные технологии и нанотехнологии (ИТНТ-2023). - Т. 4 : Искусственный интеллект
dc.subjectXGBOOST
dc.subjectкорреляционный анализ
dc.subjectмашинное обучение
dc.subjectметоды прогнозирования
dc.subjectдиабет
dc.titleПрименение модели XGBoost для обработки данных о пациентах
dc.typeText
dc.citation.spage043352
dc.citation.volume4
local.contributor.authorЗайнуллина М. А.
local.contributor.authorМокшин В. В.
local.identifier.oldurihttp://repo.ssau.ru/handle/Informacionnye-tehnologii-i-nanotehnologii/Primenenie-modeli-XGBoost-dlya-obrabotki-dannyh-o-pacientah-105750
local.identifier.oldurihttp://repo.ssau.ru/handle/Informacionnye-tehnologii-i-nanotehnologii/Primenenie-modeli-XGBoost-dlya-obrabotki-dannyh-o-pacientah-105750
Appears in Collections:Информационные технологии и нанотехнологии

Files in This Item:
File SizeFormat 
978-5-7883-1920-9_2023-043352.pdf293.06 kBAdobe PDFView/Open
Show simple item record


Items in Repository are protected by copyright, with all rights reserved, unless otherwise indicated.