Afficher la notice abrégée
dc.contributor.author |
MESBAHI, Salsabil |
|
dc.date.accessioned |
2024-10-17T18:14:48Z |
|
dc.date.available |
2024-10-17T18:14:48Z |
|
dc.date.issued |
2024-06 |
|
dc.identifier.uri |
http//localhost:8080/jspui/handle/123456789/12118 |
|
dc.description.abstract |
Un système de prédiction du diabète est un outil informatique conçu pour évaluer le
risque qu'une personne développe le diabète en se basant sur plusieurs critères
médicaux. Ces prédictions permettent aux professionnels de la santé d'identifier les
individus à risque et de mettre en place des mesures préventives appropriées. Ce
système repose sur des techniques d’apprentissage automatique, contribuant ainsi à
améliorer la détection précoce du diabète et à réduire les complications liées à cette
maladie chronique. Dans cette étude, nous avons utilisé les modèles d'apprentissage
automatique Random Forest, DecisionTree, LogisticRegression, KNN et Gradient
Boosting. Parmi ces modèles, Random Forest s'est révélé être le plus performant, avec
une précision de 94 % et une exactitude de 87 %. |
en_US |
dc.language.iso |
fr |
en_US |
dc.publisher |
Université Echahid Chikh Larbi Tébessi -Tébessa |
en_US |
dc.subject |
Apprentissage Automatique, Diabète, Prédiction. |
en_US |
dc.title |
Un Système pour la prédiction du Diabète |
en_US |
dc.type |
Thesis |
en_US |
Fichier(s) constituant ce document
Ce document figure dans la(les) collection(s) suivante(s)
Afficher la notice abrégée