Name: Tecnica ibrida per la classificazione associativa delle malattie cardiache (en Italiano)
Price: 158.08 PEN
Availability: InStock
Author: Singh, Jagdeep
ISBN: 9786207242085

portada Tecnica ibrida per la classificazione associativa delle malattie cardiache (en Italiano)

Tecnica ibrida per la classificazione associativa delle malattie cardiache (en Italiano)

Formato

Libro Físico

Autor

Jagdeep Singh

Editorial

Edizioni Sapienza

Idioma

Italiano

N° páginas

Encuadernación

Tapa Blanda

Dimensiones

22.9 x 15.2 x 0.3 cm

Peso

0.10 kg.

ISBN13

9786207242085

Categorías

Medicina: cuestiones generales

Tecnica ibrida per la classificazione associativa delle malattie cardiache (en Italiano)

Jagdeep Singh (Autor) · Edizioni Sapienza · Tapa Blanda

Libro Nuevo Importado

Envío: 21 a 26 días háb.

S/ 351,30S/ 158,08

-55%

Costos de importación incluídos en el precio ✅

Libro Nuevo

Quedan 10 unidades

S/ 158,08

Llega entre el 18 Ago y el 26 Ago a CERCADO DE LIMA, Lima. Seleccionar ubicación

Agregar a lista de deseos

Reseña del libro "Tecnica ibrida per la classificazione associativa delle malattie cardiache (en Italiano)"

Negli ultimi anni l'industria della sanità raccoglie enormi quantità di dati sanitari che, purtroppo, non vengono estratti per scoprire informazioni nascoste per un processo decisionale efficace. Oggi i servizi medici hanno fatto molta strada per curare i pazienti affetti da varie malattie. Tra le più fatali c'è la cardiopatia, che non può essere vista a occhio nudo e si manifesta all'istante. Il tasso di mortalità è aumentato a causa di decisioni cliniche sbagliate. Per ottenere un trattamento affidabile e conveniente si possono sviluppare sistemi di informazione o di supporto alle decisioni basati su computer. Il data mining fornisce la soluzione per la scoperta della conoscenza da questi grandi e complessi database. Il lavoro dell'autore prevede lo sviluppo di un framework basato su tecniche di classificazione associativa su dataset cardiaci. L'implementazione del lavoro è stata effettuata su un set di dati cardiaci provenienti dall'UCI Machine Learning Repository per testare e valutare i diversi risultati. I risultati sperimentali mostrano che la maggior parte delle regole di classificazione associativa aiutano a prevedere meglio le malattie cardiache e a creare un sistema di supporto decisionale affidabile.