Realizing a Stacking Generalization Model to Improve the Prediction Accuracy of Major Depressive Disorder in Adults (Запись № 663748)

Подробно MARC
000 -Маркер
Поле контроля фиксированной длины 03487nam1a2200457 4500
005 - Идентификатор версии
Поле контроля фиксированной длины 20231030041905.0
035 ## - Другие системные номера
Идентификатор записи (RuTPU)RU\TPU\network\34918
035 ## - Другие системные номера
Идентификатор записи RU\TPU\network\34868
100 ## - Данные общей обработки
Данные общей обработки 20210303a2020 k y0engy50 ba
101 0# - Язык ресурса
Язык текста, звукозаписи и т.д. английский
102 ## - Страна публикации или производства
Страна публикации
135 ## - Поле кодированных данных: электронные ресурсы
Кодированные данные для электронного ресурса drcn ---uucaa
181 #0 - Поле кодированных данных: вид содержания
Код вида содержания i
182 #0 - Поле кодированных данных: средство доступа
Код средства доступа electronic
200 1# - Заглавие и сведения об ответственности
Основное заглавие Realizing a Stacking Generalization Model to Improve the Prediction Accuracy of Major Depressive Disorder in Adults
Первые сведения об ответственности N. Mahendran, D. R. Vincent, K. Srinivasan [et al.]
203 ## - Вид содержания и средство доступа
Вид содержания
Средство доступа
300 ## - Общие примечания
Текст примечания Title screen
320 ## - Примечания о наличии в ресурсе библиографии/указателя
Текст примечания [References: 47 tit.]
330 ## - Резюме или реферат
Текст примечания Major depressive disorder (MDD) is a persistent psychiatric mood disorder that is prevalent from a few weeks to a few months, even for years in the worst cases. It causes sadness, hopelessness in the individuals; sometimes, it forces them to hurt themselves. In severe cases, MDD can even lead to the death of the individual. It is challenging to diagnose MDD as it co-occurs with many other disorders (Co-Morbid) and many other reasons such as mobility, lack of motivation, and cost. The way to diagnose MDD is usually high ended that is challenging for the regular clinicians to diagnose. Therefore, to make their work more comfortable, and to predict MDD at the early stages, we have developed an ensemble-based machine learning model. The data collected has been cleaned with a preprocessing technique, and feature selection are performed using wrapper based methods; moreover, in the final step, a stacking based ensemble learning model is implemented to classify the MDD patients. Furthermore, KNN Imputation is implemented for preprocessing, Random Forest-Based Backward Elimination for feature selection and multi-layer perceptron, SVM and Random Forest as low-level learners in stacking generalization model. The results show that the prediction accuracy of the stacking generalization model is superior to the individual classifiers.
333 ## - Примечания об особенностях распространения и использования
Текст примечания
461 ## - Уровень набора
Заглавие IEEE Access
463 ## - Уровень физической единицы
Заглавие Vol. 8
Обозначение тома [P. 49509-49522]
Дата публикации 2020
610 1# - Неконтролируемые предметные термины
Предметный термин труды учёных ТПУ
610 1# - Неконтролируемые предметные термины
Предметный термин электронный ресурс
610 1# - Неконтролируемые предметные термины
Предметный термин K-nearest neighbors
610 1# - Неконтролируемые предметные термины
Предметный термин major depressive disorder
610 1# - Неконтролируемые предметные термины
Предметный термин multilayer perceptron
610 1# - Неконтролируемые предметные термины
Предметный термин random forest
610 1# - Неконтролируемые предметные термины
Предметный термин random forest-based feature elimination
610 1# - Неконтролируемые предметные термины
Предметный термин stacking generalization and support vector machine
701 #1 - Имя лица – альтернативная ответственность
Начальный элемент ввода Mahendran
Часть имени, кроме начального элемента ввода N.
Расширение инициалов личного имени Nivedhitha
701 #1 - Имя лица – альтернативная ответственность
Начальный элемент ввода Vincent
Часть имени, кроме начального элемента ввода D. R.
Расширение инициалов личного имени Durai Raj
701 #1 - Имя лица – альтернативная ответственность
Начальный элемент ввода Srinivasan
Часть имени, кроме начального элемента ввода K.
Расширение инициалов личного имени Kathiravan
701 #1 - Имя лица – альтернативная ответственность
Начальный элемент ввода Sharma
Часть имени, кроме начального элемента ввода V.
Расширение инициалов личного имени Vishal
701 #1 - Имя лица – альтернативная ответственность
Начальный элемент ввода Dzhayakodi (Jayakody) Arachshiladzh
Часть имени, кроме начального элемента ввода D. N. K.
Дополнения к именам, кроме дат specialist in the field of electronics
-- Professor of Tomsk Polytechnic University
Даты 1983-
Расширение инициалов личного имени Dushanta Nalin Kumara
-- stltpush
Идентификатор авторитетной/ нормативной записи (RuTPU)RU\TPU\pers\37962
712 02 - Наименование организации – вторичная ответственность
Начальный элемент ввода Национальный исследовательский Томский политехнический университет
Структурное подразделение Инженерная школа информационных технологий и робототехники
-- Научно-образовательный центр "Автоматизация и информационные технологии"
-- 8422
-- stltpush
Идентификатор авторитетной/ нормативной записи (RuTPU)RU\TPU\col\27515
801 #2 - Источник записи
Страна RU
Организация 63413507
Дата составления 20210303
Правила каталогизации RCR
856 40 - Местонахождение электронных ресурсов и доступ к ним
Универсальный идентификатор ресурса https://doi.org/10.1109/ACCESS.2020.2977887
090 ## - System Control Numbers (Koha)
Koha biblioitem number (autogenerated) 663748
942 ## - Добавленные элементы ввода (Коха)
Тип документа Books

Нет доступных единиц.