Sélection d’attributs et classification pour le diagnostique des maladies chroniques
No Thumbnail Available
Date
2022
Journal Title
Journal ISSN
Volume Title
Publisher
Abstract
Dans ce mémoire, nous avons conçu les modèles pour les maladies chroniques afin de réduire
le risque et la survenue de complications de ces maladies sur la santé du patient. Pour
concevoir ces modèles, nous avons utilisé deux approches, nous présentons une méthode
adaptatifs appelés SelectKBest qui est de la méthode de sélect ion d’attribut. Il serait combiné
avec différents classificateurs pour trouver les meilleurs attributs, qui atteignent la plus grande
précision dans la classification. Enfin, nous présentons les algorithmes K voisins les plus
proches (KNN), Arbres de décision, Machine à vecteurs de support (SVM) et Naive Bayes
pour découvrir les règles de classification, Nos approches proposées ont été expérimentées sur
des ensembles de données de référence (Wisconsin Breast Cancer, Diabète Pima Indian,
CAD). Les résultats expérimentaux prouvent que les précisions de classification sont
puissantes pour les différents ensembles de données.