Název: Concept Drift Detection in Prediction Classifiers for Determining Gender in Metabolomics Analysis
Autoři: Kostova, A. ; Schwarzerova, J.
Typ dokumentu: Příspěvky z konference
Jazyk: eng
Nakladatel: Vysoké učení technické v Brně, Fakulta elektrotechniky a komunikačních technologií
Abstrakt: Currently, one of the most challenges in data analysis is connected to prediction modeling including dynamic information. Metabolomics analysis focuses on data presented dynamic information in real-time such as time-series data. Unfortunately, prediction models based on time series data are often affected by a phenomenon called concept drift. This phenomenon can reduce the accuracy of prediction models which is an unwanted effect. On the other hand, concept drift analysis can be useful in finding confounding factors. This study is divided into two parts. The first part presents the modeling of prediction classifiers based on metabolite data. The second part of this study brings concept drift detection in the created classified models. This study presented approaches to identify one of the confounding factors in human biology.
Klíčová slova: Concept drift; Concept drift detection; Machine learning; Metabolomics; Prediction modeling
Zdrojový dokument: Proceedings I of the 28st Conference STUDENT EEICT 2022: General papers, ISBN 978-80-214-6029-4

Instituce: Vysoké učení technické v Brně (web)
Informace o dostupnosti dokumentu: Plný text je dostupný v Digitální knihovně VUT.
Původní záznam: http://hdl.handle.net/11012/209308

Trvalý odkaz NUŠL: http://www.nusl.cz/ntk/nusl-524735


Záznam je zařazen do těchto sbírek:
Školství > Veřejné vysoké školy > Vysoké učení technické v Brně
Konferenční materiály > Příspěvky z konference