Данные Dubline Core
Светова Кристина Сергеевна
Техника, Информатика, логистическая регрессия, прогнозирование, искусственные нейронные сети, дерево решений, искусственный интеллект, ансамблевые модели, преждевременные роды
В работе анализируются требования на обучение предиктивной модели прогнозирования преждевременных родов в условиях Крайнего Севера. Задача модели - получение вероятности наступления преждевременных родов в виде числового значения в диапазоне от О до 1 с пороговым значением 0.5. Предиктивная модель обучается на структурированном наборе обезличенных данных более 4000 пациенток по 50 оценочным признакам, проживающих на территории Арктической зоны Республики Карелия. Параметры эффективности предиктивной модели достигают следующих показателей: Accuracy 0.75 и более; Recall 0.75 и более; F-score не менее 0.75, AUC-ROC не менее 0.8.