机构名称：
¥ 1.0
印度尼西亚尼格利·塞马朗大学摘要。目的：本研究旨在比较PNN和K-NN算法，以确定用于糖尿病分类的准确性和速度。方法：本研究中使用了两种算法，即概率神经网络（PNN）和K-Nearest邻居（K-NN）。使用的数据是PIMA印第安人糖尿病数据库。数据集包含768个带有8个属性和1个目标类别的数据，即无糖尿病为0，糖尿病为1个。数据集已分为80％的培训数据和20％的测试数据。结果：实现K折交叉验证后获得精度（k = 4）。准确性结果表明，与PNN相比，K-NN算法具有更好的快速性。K-NN算法的所有功能的精度为74.6％，四个功能的精度为78.1％。新颖性：本文的新颖性是通过关注分类算法中的数据预处理，特征选择和K折的交叉验证来优化和提高准确性。关键字：数据挖掘，功能选择，K-折叠验证，k-nearest邻居，2023年2月6日收到的概率神经网络 / 2023年2月9日 / 2023年9月14日接受修订。
概率神经网络（PNN）和K ...
主要关键词
相关文件推荐
