Veuillez utiliser cette adresse pour citer ce document :
http://dspace.univ-bouira.dz:8080/jspui/handle/123456789/19709| Titre: | La prediction des maladies cardiaques a l'aide des techniques d'apprentissage automatique |
| Auteur(s): | Mehennaoui, Abdelghani Djouadi, Cherif |
| Mots-clés: | les maladies cardiaques, apprentissage automatique, pr´ediction des maladies cardiaques, K plus proches voisins, arbre de d´ecision, la foret al´eatoire, la r´egression logistique |
| Date de publication: | 2021 |
| Editeur: | AKLI MOHAND OULHADJ UNIVERSITY - BOUIRA |
| Résumé: | La d´etection pr´ematur´ee des maladies cardiaques est l’un des facteurs les plus important qui font la diff´erence dans le traitement des maladies, et c’est pourquoi, le monde assiste ces derni`eres ann´ees `a diff´erentes cr´eations des m´ethodes d’apprentissage automatique et d’apprentissage profond pour pr´edire les maladies des personnes avant qu’elles ne surviennent. Parmi les causes de mortalit´e humaine, les maladies cardiaques font partie du podium, elles doivent donc ˆetre d´etect´ees et traiter avant qu’elles ne se d´eveloppent. Le but de notre travail est de d´etecter les maladies cardiaques, on utilisant l’apprentissage automatique supervis´e. Pour ce fait, nous avons utilis´e plusieurs algorithmes d’apprentissage automatique supervi´e, pour trouver le meilleur mod`ele pour un r´esultat maximal. Dans notre ´etude, nous avons sugg´er´e d’am´eliorer l’algorithme du K le plus proche voisin, qui ´etait le meilleur algorithme de d´etection. Nous avons pu prouver l’efficacit´e de notre algorithme am´elior´e apr`es avoir utilis´e le mˆeme ensemble de donn´ees et obtenu de meilleurs r´esultats que les autres algorithmes d’apprentissage automatique supervis´es |
| URI/URL: | http://dspace.univ-bouira.dz:8080/jspui/handle/123456789/19709 |
| Collection(s) : | Mémoires Master |
Fichier(s) constituant ce document :
| Fichier | Description | Taille | Format | |
|---|---|---|---|---|
| Mehennaoui Abdelghani.pdf | 1,44 MB | Unknown | Voir/Ouvrir |
Tous les documents dans DSpace sont protégés par copyright, avec tous droits réservés.