Пожалуйста, используйте этот идентификатор, чтобы цитировать или ссылаться на этот документ:
https://elib.bsu.by/handle/123456789/327739Полная запись метаданных
| Поле DC | Значение | Язык |
|---|---|---|
| dc.contributor.author | Абрамович, М. С. | |
| dc.contributor.author | Стельмашок, В. И. | |
| dc.contributor.author | Дорофеев, Г. С. | |
| dc.date.accessioned | 2025-03-31T12:01:31Z | - |
| dc.date.available | 2025-03-31T12:01:31Z | - |
| dc.date.issued | 2024 | |
| dc.identifier.citation | Теория вероятностей, математическая статистика и приложения = Probability Theory, Mathematical Statistics and Applications : материалы междунар. науч. конф., Минск, 22‒24 апр. 2024 г. / Белорус. гос. ун-т ; редкол.: А. Ю. Харин (гл. ред.) [и др.]. ‒ Минск : БГУ, 2024. ‒ 10-20. | |
| dc.identifier.isbn | 978-985-881-660-5 | |
| dc.identifier.uri | https://elib.bsu.by/handle/123456789/327739 | - |
| dc.description.abstract | Обучающая выборка состоит из двух групп пациентов: тех, у кого операция прошла успешно, и тех, у кого возникло осложнение в виде перфорации коронарных артерий. С помощью точного критерия Фишера отбираются два набора информативных признаков. Для отбора признаков также применены метод LASSO и критерий взаимной информации. Предложен способ решения проблемы дисбаланса классов. Для решения задачи классификации используются алгоритмы машинного обучения, в том числе и ансамблевые методы. ROC-анализ показывает высокую точность классификации | |
| dc.language.iso | ru | |
| dc.publisher | Минск : БГУ | |
| dc.rights | info:eu-repo/semantics/openAccess | |
| dc.subject | ЭБ БГУ::ЕСТЕСТВЕННЫЕ И ТОЧНЫЕ НАУКИ::Математика | |
| dc.subject | ЭБ БГУ::ЕСТЕСТВЕННЫЕ И ТОЧНЫЕ НАУКИ::Кибернетика | |
| dc.title | Прогнозирование исхода эндоваскулярных операций с использованием методов машинного обучения | |
| dc.title.alternative | Predicting the outcome of endovascular operations using machine learning methods / М.S. Abramovich, V.I. Stelmashok, G.S. Dorofeev | |
| dc.type | conference paper | |
| dc.description.alternative | The training set consists of two groups of patients: those who had a successful surgery and those who ended up getting perforations of coronary arteries. Two sets of informative features are selected by using Fisher’s exact test. The LASSO method and the mutual information criterion are also tried for feature selection. We also proposed the technique for handling class imbalance problem. Machine learning algorithms as well as ensemble methods are used for the classification problem solution. ROC analysis indicates high classification accuracy | |
| Располагается в коллекциях: | 2024. Теория вероятностей, математическая статистика и приложения | |
Все документы в Электронной библиотеке защищены авторским правом, все права сохранены.