机构名称：
¥ 1.0
和技术科学，Saveetha University，Chennai，印度泰米尔纳德邦，Pincode：602105。摘要目的：本文的主要目的是使用新型的K-Neareb-Nearper机器学习算法提高中风预测的准确性，与随机森林算法相比。材料和方法：本文中使用的两个组是新型的K-Neartible算法和随机森林算法。数据集由5000多个患者医学和个人记录记录组成。这里进行了预测功能分析，进行了80％，CI值为95％，两组n = 10迭代的样本量。结果：新型的K-Neart邻居算法95.70％在预测使用的中风预测数据集时，而随机森林为94.80％。存在两组之间统计上无关的差异（p = 0.204； p> 0.05）。因此，随机森林比最近的邻居更好。结论：与随机森林相比，新颖的K-最近的K-最近的邻居算法更好，既是精度和准确性关键词：机器学习，新颖的K-北端邻居，随机森林，中风预测，分类，决策树。简介
将随机森林算法与k-nearest进行比较...
主要关键词
相关文件推荐
