机构名称：
¥ 1.0
糖尿病具有严重的长期影响，并且是全球健康方面的关注。及时识别对于改善患者预后至关重要。这项工作使用临床数据使用监督的机器学习算法诊断糖尿病。各种数据集用于训练诸如决策树，天真的贝叶斯，k-nearest邻居，随机森林，梯度提升，逻辑回归和支持向量机等训练模型。通过有效的预处理技术（如标签编码和归一化），可以提高模型的精度。各种特征选择方法用于优先考虑风险指标。该模型在两个不同的数据集上进行了广泛的测试，以评估其性能。的准确性提高（取决于数据集和机器学习技术）的范围从2％到12％。选择最佳的算法是为了额外开发的。Python的烧瓶用于将模型纳入使用Docker部署的在线程序。研究表明，将基于机器学习的分类与适当的数据制备管道的整合可以有效，一致地预测糖尿病，从而促进及时诊断并改善健康后果。
使用机器L的女性糖尿病预测。
主要关键词
相关文件推荐
