dc.contributor.author |
Attab, Agheslane |
|
dc.contributor.author |
Debiche, Imad |
|
dc.contributor.author |
Khaled, Hayette;promotrice |
|
dc.date.accessioned |
2024-04-29T12:37:46Z |
|
dc.date.available |
2024-04-29T12:37:46Z |
|
dc.date.issued |
2023 |
|
dc.identifier.other |
004mas/1177 |
|
dc.identifier.uri |
http://univ-bejaia.dz/dspace/123456789/23180 |
|
dc.description |
Option : Système d’information avancé |
en_US |
dc.description.abstract |
La prédiction de l'infection au COVID-19 à partir de données cliniques revêt une grande
importance, car elle permet d'identifier les individus à risque, de prendre des mesures
préventives adaptées et de mieux allouer les ressources de santé. Nous démontrons dans ce
mémoire notre étude sur l'efficacité des algorithmes de classification dans la prédiction de
l'infection au COVID-19 à partir de données cliniques. En optimisant les hyperparamètres, nous
avons constaté une amélioration des performances prédictives du modèle SVC. Ces résultats
revêtent une importance cruciale pour la gestion de la pandémie et ouvrent de nouvelles
perspectives pour les recherches à venir dans ce domaine. |
en_US |
dc.language.iso |
fr |
en_US |
dc.publisher |
Univ.Abderrahmane Mira- Bejaia |
en_US |
dc.subject |
COVID-19 : Hyperparamètres : L'efficacité des algorithmes |
en_US |
dc.title |
Comparaison des algorithmes de classification et l'optimisation du meilleur algorithme |
en_US |
dc.type |
Thesis |
en_US |