Patients with thyroid disease (TD)

Patients with thyroid disease (TD) boast continuously increasing because of excessive growth of thyroid
gland and its hormones. Automatic classification tools may reduce the burden on doctors. This paper
evaluates the selected algorithms for predicting thyroid disease diagnoses (TDD). The algorithms
considered here are regularization methods (RM) of machine learning algorithms (MLA). The analysis
report generated by the proposed work suggests the best algorithm for predicting the exact levels of
TDD. This work is a comparative study of MLA on UCI thyroid datasets (UCITD). The developed system
deals with RM i.e., ridge regression algorithm (RRA) & least absolute shrinkage and selection operator
algorithm (LASSO). The above algorithms personage produce at most 79% accuracy by RRA and 98.99%
accuracy by LASSO. Thus, this paper shows the importance of LASSO, along with an example for
parameter generation. The decisive factors (DF) also suggest the accuracy rate of LASSO is much better
when compared with RRA.

ผลลัพธ์ (ไทย) 1:

ผู้ป่วยโรคไทรอยด์ (TD) มีเพิ่มขึ้นอย่างต่อเนื่องเนื่องจากการเจริญเติบโตมากเกินไปของต่อมไทรอยด์ต่อมและฮอร์โมนของ เครื่องมืออัตโนมัติ classification อาจลดการแบ่งเบาภาระของแพทย์ กระดาษนี้ประเมินขั้นตอนวิธีการเลือกประเมินวินิจฉัยโรคไทรอยด์ (TDD) ขั้นตอนวิธีการถือว่านี่เป็นวิธีการ regularization (RM) ของอัลกอริทึมการเรียนรู้ของเครื่อง (MLA) การวิเคราะห์การรายงานที่สร้างขึ้น โดยการทำงานนำเสนอแนะนำอัลกอริทึมที่ดีที่สุดสำหรับระดับที่แน่นอนของการคาดคะเนTDD งานนี้มีการศึกษาเปรียบเทียบของ MLA datasets UCI ไทรอยด์ (UCITD) ระบบที่พัฒนาขึ้นข้อเสนอกับ RM เสียวอัลกอริทึมการถดถอย (RRA) และดำเนินการเลือกและการหดตัวแน่นอนอย่างน้อยอัลกอริทึม (แลซโซ) Personage อัลกอริทึมด้านบนผลิตมากที่สุด 79% ความแม่นยำ โดย RRA และ 98.99%ความถูกต้องตามแบบ LASSO ดังนั้น นี้แสดงความสำคัญของแบบ LASSO พร้อมตัวอย่างสำหรับการสร้างพารามิเตอร์ นอกจากนี้ปัจจัยสำคัญ (DF) ยังแนะนำอัตราความถูกต้องของแบบ LASSO จะดีเมื่อเปรียบเทียบกับ RRA

ผลลัพธ์ (ไทย) 2:

ผู้ป่วยที่มีโรคต่อมไทรอยด์ (TD)
ที่เพิ่มขึ้นอย่างต่อเนื่องโม้เพราะการเจริญเติบโตมากเกินไปของต่อมไทรอยด์ต่อมและฮอร์โมนของ เครื่องมือไอออนจัดประเภทโดยอัตโนมัติอาจลดภาระในการแพทย์ กระดาษนี้จะประเมินขั้นตอนวิธีการที่เลือกในการทำนายการวินิจฉัยโรคต่อมไทรอยด์ (TDD)
ขั้นตอนวิธีการพิจารณาที่นี่เป็นวิธี regularization (RM) ของขั้นตอนวิธีการเรียนรู้เครื่อง (MLA) การวิเคราะห์รายงานที่สร้างขึ้นโดยการทำงานที่นำเสนอให้เห็นขั้นตอนวิธีการที่ดีที่สุดในการทำนายในระดับที่แน่นอนของTDD งานนี้เป็นการศึกษาเปรียบเทียบของมลาในชุดข้อมูลที่ต่อมไทรอยด์ UCI (UCITD) ระบบที่พัฒนาข้อตกลงกับ RM คือขั้นตอนวิธีการถดถอยสัน (RRA) และการหดตัวน้อยแน่นอนและผู้ประกอบการเลือกอัลกอริทึม(เชือก) ขั้นตอนวิธีการดังกล่าวข้างต้นบุคคลการผลิตที่ถูกต้องมากที่สุด 79% โดย RRA และ 98.99% ถูกต้องโดยเชือก ดังนั้นงานวิจัยนี้แสดงให้เห็นถึงความสำคัญของเชือกพร้อมกับตัวอย่างสำหรับรุ่นพารามิเตอร์ ปัจจัยชี้ขาด (DF) นอกจากนี้ยังแนะนำให้อัตราความถูกต้องของเชือกจะดีกว่ามากเมื่อเทียบกับ RRA