Name: Technique hybride pour la classification associative des maladies cardiaques (en Francés)
SKU: 59611376
Price: 59.01 USD
Availability: InStock
Author: Singh, Jagdeep
ISBN: 9786207242092

portada Technique hybride pour la classification associative des maladies cardiaques (en Francés)

Technique hybride pour la classification associative des maladies cardiaques (en Francés)

Formato

Libro Físico

Autor

Jagdeep Singh

Editorial

Editions Notre Savoir

Idioma

Francés

N° páginas

Encuadernación

Tapa Blanda

Dimensiones

22.9x15.2x0.3 cm

Peso

0.10 kg.

ISBN13

9786207242092

Categorías

Medicina: cuestiones generales

Technique hybride pour la classification associative des maladies cardiaques (en Francés)

Jagdeep Singh (Autor) · Editions Notre Savoir · Tapa Blanda

Libro Nuevo Importado

Envío: 25 a 32 días háb.

$ 98.35$ 59.01

-40%

Costos de importación incluídos en el precio ✅

Libro Nuevo

Quedan 10 unidades

$ 59.01

Llega entre el 05 Oct y el 19 Oct a Quito, Pichincha. Seleccionar ubicación

Agregar a lista de deseos

Reseña del libro "Technique hybride pour la classification associative des maladies cardiaques (en Francés)"

Au cours des dernières années, le secteur des soins de santé a collecté d'énormes quantités de données qui, malheureusement, ne sont pas extraites pour découvrir des informations cachées permettant une prise de décision efficace. Aujourd'hui, les services médicaux ont parcouru un long chemin pour traiter les patients atteints de diverses maladies. L'une des plus mortelles est la maladie cardiaque, qui ne peut être vue à l'oeil nu et survient instantanément. Le taux de mortalité a augmenté en raison de mauvaises décisions cliniques. Pour parvenir à un traitement fiable et rentable, des systèmes d'information ou d'aide à la décision basés sur l'informatique peuvent être développés pour accomplir cette tâche. L'exploration de données fournit la solution pour la découverte de connaissances à partir de ces bases de données vastes et complexes. Le travail de l'auteur implique le développement d'un cadre basé sur des techniques de classification associative sur un ensemble de données cardiaques. La mise en oeuvre du travail est effectuée sur l'ensemble de données cardiaques de l'UCI Machine Learning Repository afin de tester et d'évaluer différentes méthodes pour obtenir de meilleurs résultats. Les résultats expérimentaux montrent que la plupart des règles de classification associative aident à la meilleure prédiction des maladies cardiaques et à la création d'un système d'aide à la décision fiable.