机构名称：
¥ 1.0
摘要：营养不良是各国幼儿遇到的主要健康问题之一。根据2022年印尼营养状况调查结果，印度尼西亚五岁以下儿童的不良营养高于非洲和全球的平均营养不良。因此，需要一种方法来预测早期五岁以下儿童的营养状况，以便政府（通过地区卫生办公室）可以立即提供必要的治疗方法。这项研究旨在使用各种机器学习（ML）方法（即幼稚的贝叶斯，线性判别分析，决策树，K-Nearest邻居，随机森林，随机森林，随机森林和支持载体机器），基于年龄，体重指数（BMI），体重和身体长度来预测或分类幼儿的营养状况。根据准确性，敏感性，特异性，曲线（AUC）和Cohen的Kappa系数（CKC）评估每个ML方法的预测性能。测试结果表明，随机森林方法最建议用于以准确性，灵敏度，特异性，AUC和CKC值预测幼儿的营养状况：0.9737，0.9500，0.9500，0.9881，0.9990和0.9609。该研究的贡献是更容易获得有关幼儿营养状况的信息。
机器学习方法预测幼儿的营养状况
主要关键词
相关文件推荐
