Пожалуйста, используйте этот идентификатор, чтобы цитировать или ссылаться на этот ресурс:
http://hdl.handle.net/11701/47160
Полная запись метаданных
Поле DC | Значение | Язык |
---|---|---|
dc.contributor.advisor | Никитина Наталия Николаевна | ru_RU |
dc.contributor.advisor | Nikitina Natalia Nikolaevna | en_GB |
dc.contributor.author | Чжан Пэйчи | ru_RU |
dc.contributor.author | Czan Pejci | en_GB |
dc.contributor.editor | Петросян Леон Аганесович | ru_RU |
dc.contributor.editor | Petrosan Leon Aganesovic | en_GB |
dc.date.accessioned | 2024-07-25T11:52:02Z | - |
dc.date.available | 2024-07-25T11:52:02Z | - |
dc.date.issued | 2024 | |
dc.identifier.other | 112128 | en_GB |
dc.identifier.uri | http://hdl.handle.net/11701/47160 | - |
dc.description.abstract | В области искусственного интеллекта интерпретируемость моделей всегда была в центре внимания исследователей и инженеров. С широким применением моделей машинного обучения в различных областях понимание процесса принятия решений моделей стало важной темой. В настоящем документе используется машинное обучение для создания модели медицинского обнаружения и проводятся исследования по вопросу о возможности толкования этой модели. Основными используемыми алгоритмами являются SHAP алгоритм и τ- алгоритм, изучающий эффективность различных совместных игровых методов в исследованиях интерпретируемости в рамках одной и той же модели и данных. Кроме того, модель медицинского обнаружения реконструируется с использованием значений Shapley и τ- значения на основе XGBoost модели, анализируя и сравнивая сильные и слабые стороны двух различных методов. На основе этого анализа в модель вносятся усовершенствования в целях повышения достоверности результатов прогнозирования. Алгоритм τ- новый в области машинного обучения и обнаружения моделей. | ru_RU |
dc.description.abstract | In the field of artificial intelligence, the interpretability of models has always been a focal point for researchers and engineers. With the widespread application of machine learning models across various domains, understanding the decision-making process of models has become an important topic. This paper utilizes machine learning to establish a medical detection model and conducts interpretability research on this model. The main algorithms used are the SHAP algorithm and the τ-algorithm, exploring the performance of different cooperative game methods in interpretability research under the same model and data. Furthermore, the medical detection model is reconstructed using Shapley values and τ-values based on the XGBoost model, analyzing and comparing the strengths and weaknesses of the two different methods. Based on this analysis, improvements are made to the model to enhance the credibility of the prediction results. The τ-algorithm used in this paper is novel in the fields of machine learning and detection models. | en_GB |
dc.language.iso | ru | |
dc.subject | Shapley | ru_RU |
dc.subject | τ- новый | ru_RU |
dc.subject | XAI | ru_RU |
dc.subject | XGBoost | ru_RU |
dc.subject | машинное обучение. | ru_RU |
dc.subject | Shapley value | en_GB |
dc.subject | τ-value | en_GB |
dc.subject | XAI | en_GB |
dc.subject | XGBoost | en_GB |
dc.subject | Machine learning. | en_GB |
dc.title | Research on diabetes prediction model based on machine learning from the perspective of cooperative game theory | en_GB |
dc.title.alternative | Исследование модели прогнозирования диабета на основе машинного обучения с точки зрения кооперативной игры | ru_RU |
Располагается в коллекциях: | MASTER'S STUDIES |
Файлы этого ресурса:
Файл | Описание | Размер | Формат | |
---|---|---|---|---|
ZHANG_Peichi_Research_on_Diabetes_Prediction_Model_Based_on_Machine_Learning_from_the_Perspective_of_Cooperative_Game_Theory.pdf | Article | 826,24 kB | Adobe PDF | Просмотреть/Открыть |
reviewSV_st112128_Czan_Pejci_(supervisor)(En).txt | ReviewSV | 1,77 kB | Text | Просмотреть/Открыть |
Все ресурсы в архиве электронных ресурсов защищены авторским правом, все права сохранены.