Классификация пациентов с сердечно-сосудистыми заболеваниями (отчет)

Материал из MachineLearning.

Версия 11:06, 13 октября 2009 (править) Maxx (Обсуждение | вклад) (→Описание данных) ← К предыдущему изменению		Версия 11:10, 13 октября 2009 (править) (отменить) Maxx (Обсуждение | вклад) (→Критерии качества) К следующему изменению →
Строка 13:		Строка 13:
	=== Критерии качества ===		=== Критерии качества ===
-	Прогноз производится отдельно по каждому из товаров.	+	Используется скользящий контроль. Критерием качества является общее количество ошибок классификации.
-	Мы составляем еженедельный прогноз с горизонтом неделя, основанный на предыдущей истории покупок. Критерием качества служит средний модуль отклонения прогноза от реальной величины покупок.	+	При это не допускается более 1 ошибки для пациентов групп риска A1(уже прооперированные больные) и A3(больные с высокой вероятностью заболевания).
	=== Требования к проекту ===		=== Требования к проекту ===

---

Версия 11:10, 13 октября 2009

Введение в проект

Описание проекта

Цель проекта

Цель проекта - классификация пациентов с подозрением на сердечно-сосудистые заболевания по группам риска.

Обоснование проекта

Полученные результаты могут быть использованы для предварительной диагностики заболевания у пациентов.

Описание данных

Дан список пациентов с указанием их группы риска(по экспертной оценке) и результатов их анализов по 20 параметрам.

Критерии качества

Используется скользящий контроль. Критерием качества является общее количество ошибок классификации. При это не допускается более 1 ошибки для пациентов групп риска A1(уже прооперированные больные) и A3(больные с высокой вероятностью заболевания).

Требования к проекту

Средний модуль отклонения для нашего алгоритма должен быль меньше, чем для скользящего среднего за предыдущий месяц.

Выполнимость проекта

Прогнозирование покупок тоаров в празничные дни и во время промо-акций является отдельной задачей и в данном проекте не рассматривается.

Используемые методы

Предполагается, что жизнь товара на рынке можно разбить на характерные этапы, на каждом из которых величина покупок имеет свой вид функциональной зависимости от предыдущей истории покупок.

Постановка задачи

Описание алгоритмов

Обзор литературы

Базовые предположения

Математическое описание

Варианты или модификации

Описание системы

• Ссылка на файл system.docs
• Ссылка на файлы системы

Отчет о вычислительных экспериментах

Визуальный анализ работы алгоритма

Анализ качества работы алгоритма

Анализ зависимости работы алгоритма от параметров

Отчет о полученных результатах

Список литературы

Данная статья является непроверенным учебным заданием. Студент: Участник:Максим Панов Преподаватель: Участник:В.В. Стрижов Срок: 15 декабря 2009 До указанного срока статья не должна редактироваться другими участниками проекта MachineLearning.ru. По его окончании любой участник вправе исправить данную статью по своему усмотрению и удалить данное предупреждение, выводимое с помощью шаблона {{Задание}}. См. также методические указания по использованию Ресурса MachineLearning.ru в учебном процессе.