Original title:
Meta-heuristické algoritmy pro výběr příznaků v klasifikaci srdečních onemocnění
Translated title:
Meta-heuristic algorithms for feature selection in classification of heart-related diseases
Authors:
Švestková, Tereza ; Odstrčilík, Jan (referee) ; Mézl, Martin (advisor) Document type: Master’s theses
Year:
2024
Language:
cze Publisher:
Vysoké učení technické v Brně. Fakulta elektrotechniky a komunikačních technologií Abstract:
[cze][eng]
Tato práce je věnována postupům při výběru relevantních příznaků pro klasifikační úlohy týkající se srdečních onemocnění. Optimální výběr příznaků je klíčovým faktorem pro správnou funkčnost klasifikačních modelů a v případě medicíny pro zlepšení diagnostiky. Teoretická část pojednává o obecné klasifikační úloze ve strojovém učení. Dále jsou podrobněji popsány některé klasické postupy i novější meta-heuristické algoritmy pro efektivní selekci příznaků. Praktická část se věnuje aplikaci některých popsaných algoritmů na datové soubory související se srdečním onemocněním. Na základě ověření validity výsledku klasifikačního modelu podle vybraných příznaků běžnými postupy i evolučními algoritmy jsou diskutovány výhody a přínosy upřednostnění meta-heuristických algoritmů.
This thesis is devoted to the features selection for classification tasks related to heart disease. The optimal features selection is a key factor for the correct functionality of classification models and, in the case of medicine, for the improvement of diagnostics. The theoretical part discusses the general classification task in machine learning. Furthermore, some classic procedures as well as newer meta-heuristic algorithms for efficient feature selection are described in more detail. The practical part is devoted to the application of some of the described algorithms to data sets related to heart disease. The advantages and benefits of prioritizing meta-heuristic algorithms are discussed based on the verification of the validity of the result of the classification model according to selected symptoms of common procedures and evolutionary algorithms.
Keywords:
classification; features; heart disease; Machine learning; meta-heuristic algorithms; klasifikace; meta-heuristické algoritmy; příznaky; srdeční onemocnění; Strojové učení
Institution: Brno University of Technology
(web)
Document availability information: Fulltext is available in the Brno University of Technology Digital Library. Original record: https://hdl.handle.net/11012/246232