کاربرد یادگیری ماشین در بهبود کیفیت طبقه بندی بیماران کووید ۱۹

ویروس کوید ۱۹ برای اولین بار در دسامبر سال ۲۰۱۹ میلادی در شهر ووهان چین یافت شد . چهار مورد اول گزارش شده مربوط به بازار فروش غذاهای دریایی در قسمت جنوبی چین بود. مدل پیشنهادی جهت تخمین پارامترهای مرتبط با کووید-۱۹ از جمله درصد مرگ ومیر و درصد افراد بهبودیافته، پیاده سازی شده و نتایج حاصل از این مدل تجزیه وتحلیل میشوند. ابتدا در بخشهای اول، در مورد نحوه ی پیاده سازی الگوریتم بحث شده است. در گام اول مجموعه داده مهیا شده و سپس مراحل مختلف پیش پردازش داده ها شامل حذف داده های نامناسب غیر عددی، نرمال سازی و کاهش بعد با استفاده از PCA اجرا شده تا یک مجموعه داده ی بهینه، جهت آموزش مدل RSVM فراهم گردد. در بخش بعدی، پارامترهای درصد مرگ ومیر و درصد بهبود با استفاده از رگرسیون بردار پشتیبان پیشبینی شده و نتایج تجزیه وتحلیل شده اند. تاثیر نرمال سازی و انواع مختلف تابع کرنل ارزیابی شده و دقت داده های تخمینی و واقعی، برای تمام مراحل، سنجیده شده است. در بخش انتهای این فصل نیز به منظور بررسی تاثیر هر نوع رژیم روی پارامترهای هدف، از رگرسیون غیرخطی بهره گرفته شده و این تاثیر نیز بررسی و نتایج تحلیل شده اند.

کلیدواژه ها:

یادگیری ماشین ، کووید ۱۹ ، نرمال سازی