Sélection d’attributs et classification pour le diagnostique des maladies chroniques
| dc.contributor.author | - KHANOUF Romaissa - BELOUAAR Maissa | |
| dc.date.accessioned | 2024-09-19T09:42:36Z | |
| dc.date.available | 2024-09-19T09:42:36Z | |
| dc.date.issued | 2022 | |
| dc.description.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. | |
| dc.identifier.uri | http://dspace.univ-khenchela.dz:4000/handle/123456789/6646 | |
| dc.language.iso | fr | |
| dc.title | Sélection d’attributs et classification pour le diagnostique des maladies chroniques | |
| dc.type | Thesis |