Международная научно-техническая конференция «Практическое применение технических и цифровых технологий и их инновационных решений», татуфф, Фергана, 4 мая 2023 г

Download 6,64 Mb. Pdf ko'rish
bet	220/312
Sana	22.05.2024
Hajmi	6,64 Mb.
	#249488

1 ... 216 217 218 219 220 221 222 223 ... 312

Bog'liq
3 tom

Метод исследования.

Цель исследования.
Мы рассмотрим задачу, связанную с
применением анализа медицинских данных, а именно диагностику риска
развития сахарного диабета на основании состояния больного. Для этого
напишем простую нейронную сеть, решающую важную практическую
задачу.
Метод исследования.
Экспериментальные данные, взятые из
медицинского архива, представляют собой файл значений, разделенных
запятыми, в котором каждая строка соответствует одному опроснику.
Набор экспериментальных данных, состоящий из анонимных записей,
содержит девять параметров. Последний, целевой, показывает, был ли у
пациента сахарный диабет или нет (соответственно, 1 или 0). Восемь
других параметров также имеют числовые значения:
1.
Количество беременностей (все пациенты-источники —
женщины в возрасте не моложе 21 года).
2.
Концентрация глюкозы в плазме через 2 часа после введения в
пероральном тесте на толерантность к глюкозе.
3.
Диастолическое артериальное давление (мм рт.ст.).
4.
Толщина кожной складки в области трицепса (мм).
5.
Концентрация инсулина в сыворотке (мкЕд/мл).
6.
Индекс массы тела (вес в кг/(рост в м)^2).
7.
Функция, описывающая генетическую предрасположенность к
диабету (диабет пестепень).
8.
Возраст (лет).
Загрузка необходимых модулей и данных
Библиотека Keras позволяет запускать нейронные сети с
минимальным количеством операций. Sequential Sequential из модуля
keras.models используется в качестве нейросетевой модели с указанным
keras.layers типа Dense.

Sun’iy intelekt, axborot xavfsizligi texnikasi va texnologiyalari
Международная научно-техническая конференция «Практическое применение технических и
цифровых технологий и их инновационных решений», ТАТУФФ, Фергана, 4 мая 2023 г.
441
Библиотека Keras — это высокоуровневый интерфейс для создания
нейронных сетей. Keras написан на Python и работает поверх решений
более низкого уровня, таких как TensorFlow, CNTK и Theano. Благодаря
этому программный код получается не только мощным, но и предельно
компактным.
Для последующей воспроизводимости результатов исправляем
генератор случайных чисел с помощью функции random.seed() из
библиотеки
numpy.
Считаем
данные
из
датасета:
Делим данные на матрицу признаков X и вектор целевой переменной
Y (последний столбец набора данных):

Download 6,64 Mb.

1 ... 216 217 218 219 220 221 222 223 ... 312

Download 6,64 Mb.

Pdf ko'rish