Analyse von Algorithmen für maschinelles Lernen: KNN & K-Means für die Heilung älterer Menschen

Die Erforschung des maschinellen Lernens umfasst die Überwachung des Gesundheitszustands älterer Angehöriger durch die Verfolgung ihrer Bewegungen, um sie gesund zu halten. Datensätze, die durch die Aufzeichnung der Körperbewegungen älterer Menschen erstellt werden, werden in Modelle für maschinelles Lernen zur Vorhersage eingegeben. In dieser Studie wird vorgeschlagen, zwei beliebte Algorithmen für maschinelles Lernen, KNN und K-Means, auf Parameter wie Genauigkeit und Präzision zu vergleichen. Die alternde Bevölkerung ist weltweit zu einem bedeutenden Problem geworden, da sie eine große Herausforderung für die Gesundheitssysteme darstellt. Die Verschlechterung des Gesundheitszustands älterer Menschen ist multifaktoriell, und es ist unerlässlich, Vorhersagemodelle zu entwickeln, um potenzielle Gesundheitsrisiken zu erkennen und frühzeitig einzugreifen. Diese Studie zielt darauf ab, die Verwendung von KNN (K-Nearest Neighbours) und K-Means-Algorithmen zur Analyse der Gesundheitsdaten älterer Menschen zu untersuchen. Im Rahmen der Studie wurden Daten einer Kohorte älterer Menschen gesammelt und analysiert, darunter demografische, lebensstilbezogene und klinische Parameter. Der KNN-Algorithmus wurde verwendet, um die Wahrscheinlichkeit der Entwicklung chronischer Krankheiten wie Diabetes, Bluthochdruck und Herz-Kreislauf-Erkrankungen auf der Grundlage der Eingabemerkmale vorherzusagen.

Autorentext

Vanshika Walia holds a Master's Degree Scholar in Computer Science. Her thesis focused on analysing ML algorithms specifically k-Nearest Neighbour's & k-means for monitoring elderly health through body movements.