Vše

Co hledáte?

Vše
Projekty
Výsledky výzkumu
Subjekty

Rychlé hledání

  • Projekty podpořené TA ČR
  • Významné projekty
  • Projekty s nejvyšší státní podporou
  • Aktuálně běžící projekty

Chytré vyhledávání

  • Takto najdu konkrétní +slovo
  • Takto z výsledků -slovo zcela vynechám
  • “Takto můžu najít celou frázi”

Performance evaluation of Random Forest regression model in tracking Parkinson's disease progress

Identifikátory výsledku

  • Kód výsledku v IS VaVaI

    <a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F61989100%3A27240%2F14%3A86092442" target="_blank" >RIV/61989100:27240/14:86092442 - isvavai.cz</a>

  • Nalezeny alternativní kódy

    RIV/61989100:27740/14:86092442

  • Výsledek na webu

    <a href="http://dx.doi.org/10.1109/HIS.2013.6920459" target="_blank" >http://dx.doi.org/10.1109/HIS.2013.6920459</a>

  • DOI - Digital Object Identifier

    <a href="http://dx.doi.org/10.1109/HIS.2013.6920459" target="_blank" >10.1109/HIS.2013.6920459</a>

Alternativní jazyky

  • Jazyk výsledku

    angličtina

  • Název v původním jazyce

    Performance evaluation of Random Forest regression model in tracking Parkinson's disease progress

  • Popis výsledku v původním jazyce

    In this paper, capabilities of the Random Forest algorithm are tested with application to the Parkinson's disease progression that can be determined from speech. Results are compared with the linear regression model and the Classification and RegressionTree method. Mean Squared Error and Mean Absolute Error values were calculated and compared for each of the approaches. The Random Forest algorithm belongs to the group model category and usually improves the results achieved by regression trees, makingit more suitable for fighting the disease.

  • Název v anglickém jazyce

    Performance evaluation of Random Forest regression model in tracking Parkinson's disease progress

  • Popis výsledku anglicky

    In this paper, capabilities of the Random Forest algorithm are tested with application to the Parkinson's disease progression that can be determined from speech. Results are compared with the linear regression model and the Classification and RegressionTree method. Mean Squared Error and Mean Absolute Error values were calculated and compared for each of the approaches. The Random Forest algorithm belongs to the group model category and usually improves the results achieved by regression trees, makingit more suitable for fighting the disease.

Klasifikace

  • Druh

    D - Stať ve sborníku

  • CEP obor

    IN - Informatika

  • OECD FORD obor

Návaznosti výsledku

  • Projekt

    Výsledek vznikl pri realizaci vícero projektů. Více informací v záložce Projekty.

  • Návaznosti

    P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)<br>S - Specificky vyzkum na vysokych skolach

Ostatní

  • Rok uplatnění

    2014

  • Kód důvěrnosti údajů

    S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Údaje specifické pro druh výsledku

  • Název statě ve sborníku

    Proceedings of the 2013 Thirteenth International Conference on Hybrid Intelligent Systems (HIS 2013) : Yassmine Hammamet, Tunisia, 04-06 December, 2013

  • ISBN

    978-1-4799-2439-4

  • ISSN

  • e-ISSN

  • Počet stran výsledku

    5

  • Strana od-do

    83-87

  • Název nakladatele

    IEEE

  • Místo vydání

    Piscataway

  • Místo konání akce

    Yassmine Hammamet

  • Datum konání akce

    4. 12. 2013

  • Typ akce podle státní příslušnosti

    WRD - Celosvětová akce

  • Kód UT WoS článku