Read more
L'exploration du domaine de l'apprentissage automatique consiste à surveiller la santé des personnes âgées en suivant leurs mouvements afin de les maintenir en bonne santé. Les ensembles de données créés par l'enregistrement des mouvements corporels des personnes âgées sont introduits dans les modèles d'apprentissage automatique pour la prédiction. Dans cette étude, il est proposé de comparer deux algorithmes populaires d'apprentissage automatique, KNN et K-Means, pour des paramètres tels que l'exactitude et la précision. Le vieillissement de la population est devenu une préoccupation majeure dans le monde entier, car il représente un défi important pour les systèmes de santé. La détérioration de la santé des personnes âgées est multifactorielle et il est essentiel de développer des modèles prédictifs afin d'identifier les risques potentiels pour la santé et d'intervenir rapidement. Cette étude vise à explorer l'utilisation des algorithmes KNN (K-Nearest Neighbours) et K Means pour analyser les données de santé des personnes âgées. L'étude a recueilli et analysé les données d'une cohorte de personnes âgées, y compris des paramètres démographiques, cliniques et relatifs au mode de vie. L'algorithme KNN a été utilisé pour prédire la probabilité de développer des maladies chroniques, telles que le diabète, l'hypertension et les maladies cardiovasculaires, sur la base des caractéristiques d'entrée.
About the author
Vanshika Walia est titulaire d'une maîtrise en informatique. Sa thèse porte sur l'analyse des algorithmes de ML, en particulier k-Nearest Neighbour's et k-means, pour le suivi de la santé des personnes âgées à partir de leurs mouvements corporels.
