Repository logo
 

Un Système pour la prédiction du Diabète

dc.contributor.authorMESBAHI, Salsabil
dc.date.accessioned2024-10-17T18:14:48Z
dc.date.available2024-10-17T18:14:48Z
dc.date.issued2024-06
dc.description.abstractUn 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.description.provenanceSubmitted by fatiha User (fatiha.bio@gmail.com) on 2024-10-17T18:14:48Z No. of bitstreams: 1 Un Système pour la prédiction du Diabète.pdf: 2873630 bytes, checksum: 38eebaacf5e6d2bed8f52adb12a9129b (MD5)en
dc.description.provenanceMade available in DSpace on 2024-10-17T18:14:48Z (GMT). No. of bitstreams: 1 Un Système pour la prédiction du Diabète.pdf: 2873630 bytes, checksum: 38eebaacf5e6d2bed8f52adb12a9129b (MD5) Previous issue date: 2024-06en
dc.identifier.urihttp//localhost:8080/jspui/handle/123456789/12118
dc.language.isofren_US
dc.publisherUniversité Echahid Chikh Larbi Tébessi -Tébessaen_US
dc.subjectApprentissage Automatique, Diabète, Prédiction.en_US
dc.titleUn Système pour la prédiction du Diabèteen_US
dc.typeThesisen_US

Files

Original bundle

Now showing 1 - 1 of 1
No Thumbnail Available
Name:
Un Système pour la prédiction du Diabète.pdf
Size:
2.74 MB
Format:
Adobe Portable Document Format
Description:

License bundle

Now showing 1 - 1 of 1
No Thumbnail Available
Name:
license.txt
Size:
1.71 KB
Format:
Item-specific license agreed upon to submission
Description: