Description des données du vecteur de support

Ce livre est basé sur le fait que les algorithmes d'apprentissage automatique et les méthodes statistiques basées sur les rangs sont un meilleur choix pour développer un modèle robuste dans des situations logiques. Nous avons conçu un dispositif expérimental pour la collecte de données, développé une classe unique de modèle comprenant la sélection de variables et les méthodes de détection. Les variables significatives sélectionnées fournissent une classe unique de modèle pour les six participants. Nous mettons l'accent sur les meilleures variables sélectionnées qui ont de bonnes informations pour le développement du modèle, et chaque variable sélectionnée n'a pas d'erreur, c'est-à-dire que l'AUC = 1, avec la sélection directe et le classificateur de description de données à vecteur de support. Fondamentalement, nous avons développé une classe unique de modèle en utilisant six classes différentes de sujets, prédisant la prévention des chutes chez les personnes âgées, et après avoir effectué une validation externe avec la septième classe de sujets, nous avons atteint une solution unique. La première section est une introduction à la recherche, la deuxième section est consacrée à la conception de la recherche et à l'analyse des données, les troisième et quatrième sections présentent le développement détaillé du modèle de sélection des variables et du classificateur à classe unique. Enfin, la conclusion et l'aspect futur de l'étude sont présentés.

Autorentext

Chandan Srivastava é investigador doutorado no Department de Enginyeria Química, Universitat Rovira i Virgili,Espanha. Obteve o seu mestrado e investigação no Departamento de Optimização e Segurança de Sistemas, Universidade de Tecnologia de Troyes, França. A sua área de investigação inclui a aprendizagem de máquinas, e o processamento de sinais biomédicos.

Klappentext

Ce livre est basé sur le fait que les algorithmes d'apprentissage automatique et les méthodes statistiques basées sur les rangs sont un meilleur choix pour développer un modèle robuste dans des situations logiques. Nous avons conçu un dispositif expérimental pour la collecte de données, développé une classe unique de modèle comprenant la sélection de variables et les méthodes de détection. Les variables significatives sélectionnées fournissent une classe unique de modèle pour les six participants. Nous mettons l'accent sur les meilleures variables sélectionnées qui ont de bonnes informations pour le développement du modèle, et chaque variable sélectionnée n'a pas d'erreur, c'est-à-dire que l'AUC = 1, avec la sélection directe et le classificateur de description de données à vecteur de support. Fondamentalement, nous avons développé une classe unique de modèle en utilisant six classes différentes de sujets, prédisant la prévention des chutes chez les personnes âgées, et après avoir effectué une validation externe avec la septième classe de sujets, nous avons atteint une solution unique. La première section est une introduction à la recherche, la deuxième section est consacrée à la conception de la recherche et à l'analyse des données, les troisième et quatrième sections présentent le développement détaillé du modèle de sélection des variables et du classificateur à classe unique. Enfin, la conclusion et l'aspect futur de l'étude sont présentés.