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
—