Análise da informatividade de microgrupos em mapas auto-Ooganizáveis para identificação de variáveis importantes no diagnóstico de COVID-19
Carregando...
Tipo
TCC
Data de publicação
2021-12-08
Periódico
Citações (Scopus)
Autores
Grande, Vinícius G. P.
Orientador
Silva, Leandro A. da
Título da Revista
ISSN da Revista
Título de Volume
Membros da banca
Programa
Resumo
Este trabalho descreve um estudo feito com base nos resultados da
classificação de um algoritmo de aprendizado de máquina em relação a
hemogramas de pacientes com suspeita de COVID-19. Com base na hipótese
de que as variáveis mais importantes do hemograma sejam aquelas que
possuem menos informatividade em Mapas Auto-Organizáveis, buscou-se
identificar através do algoritmo SOMLI-KNN a métrica de informatividade e
fazer análise em microgrupos do Mapa Auto-Organizável para que essa
hipótese possa ser validada. Com isso, a nova abordagem apresentou rápida
execução e alta precisão na classificação do diagnóstico de pacientes com
suspeita de COVID-19 em comparação com outros classificadores da
literatura.
Descrição
Palavras-chave
auto organizáveis , diagnóstico , COVID-19