English  |  正體中文  |  简体中文  |  全文筆數/總筆數 : 62797/95867 (66%)
造訪人次 : 3742720      線上人數 : 525
RC Version 7.0 © Powered By DSPACE, MIT. Enhanced by NTU Library & TKU Library IR team.
搜尋範圍 查詢小技巧:
  • 您可在西文檢索詞彙前後加上"雙引號",以獲取較精準的檢索結果
  • 若欲以作者姓名搜尋,建議至進階搜尋限定作者欄位,可獲得較完整資料
  • 進階搜尋
    請使用永久網址來引用或連結此文件: https://tkuir.lib.tku.edu.tw/dspace/handle/987654321/123497


    題名: 基於機器學習與變數集成之整合式架構於具MetS之第三期CKD患者之預測與風險因子評估
    作者: 周茂振;李天行;沈湘莉;陳銘樹;楊志德;呂奇傑
    關鍵詞: 機器學習;代謝症候群;慢性腎臟病;集成技術;風險因子評估
    日期: 2022-11-12
    上傳時間: 2023-04-28 18:25:20 (UTC+8)
    摘要: 代謝症候群(Metabolic syndrome, MetS)和慢性腎臟病(chronic kidney disease, CKD)的共病會導致許多疾病與併發症的發生。對於 CKD 而言,除了 Mets與常見的生理指標等風險因子外,人們的生活習慣也是需考慮的重要風險因子。機器學習技術已被廣泛用於找出重要的風險因子,若只使用單一技術建構分析模式與評估重要風險因子,可能使分析結果較無有效性與穩定性。集成技術相較於單一結果可以提升分析結果的穩健性,因此本研究將在考慮人口統計變數、血液檢查指標、人體量測指標與生活
    型態等相關風險因子下,基於六種機器學習與五種變數集成規則建構一個有效的整合式預測架構於具 MetS 之第三期 CKD 患者之預測與風險因子評估。實證結果顯示,集成規則都能夠獲得有效的辨別出較重要的風險因子,並且提供風險因子的變數重要性的排序資訊,提供具有參考價值的資訊於具Mets 的第三期 CKD 患者的風險評估。
    顯示於類別:[企業管理學系暨研究所] 會議論文

    文件中的檔案:

    檔案 大小格式瀏覽次數
    index.html0KbHTML45檢視/開啟

    在機構典藏中所有的資料項目都受到原著作權保護.

    TAIR相關文章

    DSpace Software Copyright © 2002-2004  MIT &  Hewlett-Packard  /   Enhanced by   NTU Library & TKU Library IR teams. Copyright ©   - 回饋