عنوان : ( مدل بندی و داده کاوی داده های جهانی بیماران ویروس کووید 19 )
نویسندگان: مصطفی بسکابادی , مهدی دوست پرست ,بر اساس تصمیم نویسنده مقاله دسترسی به متن کامل برای اعضای غیر دانشگاه ممکن نیست
چکیده
تکنیکهای دادهکاوی از جمله الگوریتمهای درخت تصمیم برای مدل سازی و پیش بینی افراد در معرض خطر ابتلا به کووید 19 میتواند مفید باشد. هدف اصلی این مطالعه، تخمین ریسک مرگ افراد به واسطه بیماری کووید 19 با استفاده از الگوریتمCART و بر اساس عوامل موثر است.
کلمات کلیدی
, درخت رگرسیون و طبق بندی, ویروس کووید 19, دادهکاوی, منحنیROC@article{paperid:1081816,
author = {مصطفی بسکابادی and دوست پرست, مهدی},
title = {مدل بندی و داده کاوی داده های جهانی بیماران ویروس کووید 19},
journal = {طب اورژانس ایران},
year = {2020},
volume = {7},
number = {1},
month = {October},
issn = {2383-3645},
pages = {40--45},
numpages = {5},
keywords = {درخت رگرسیون و طبق بندی، ویروس کووید 19، دادهکاوی، منحنیROC},
}
%0 Journal Article
%T مدل بندی و داده کاوی داده های جهانی بیماران ویروس کووید 19
%A مصطفی بسکابادی
%A دوست پرست, مهدی
%J طب اورژانس ایران
%@ 2383-3645
%D 2020