已入深夜,您辛苦了!由于当前在线用户较少,发布求助请尽量完整的填写文献信息,科研通机器人24小时在线,伴您度过漫漫科研夜!祝你早点完成任务,早点休息,好梦!

Detection of Monkeypox Cases Based on Symptoms Using XGBoost and Shapley Additive Explanations Methods

猴痘 随机森林 梯度升压 人工智能 支持向量机 机器学习 Boosting(机器学习) 计算机科学 统计 数学 生物 生物化学 基因 牛痘 重组DNA
作者
Alireza Farzipour,Roya Elmi,Hamid Nasiri
出处
期刊:Diagnostics [MDPI AG]
卷期号:13 (14): 2391-2391 被引量:16
标识
DOI:10.3390/diagnostics13142391
摘要

The monkeypox virus poses a novel public health risk that might quickly escalate into a worldwide epidemic. Machine learning (ML) has recently shown much promise in diagnosing diseases like cancer, finding tumor cells, and finding COVID-19 patients. In this study, we have created a dataset based on the data both collected and published by Global Health and used by the World Health Organization (WHO). Being entirely textual, this dataset shows the relationship between the symptoms and the monkeypox disease. The data have been analyzed, using gradient boosting methods such as Extreme Gradient Boosting (XGBoost), CatBoost, and LightGBM along with other standard machine learning methods such as Support Vector Machine (SVM) and Random Forest. All these methods have been compared. The research aims to provide an ML model based on symptoms for the diagnosis of monkeypox. Previous studies have only examined disease diagnosis using images. The best performance has belonged to XGBoost, with an accuracy of 1.0 in reviews. To check the model's flexibility, k-fold cross-validation is used, reaching an average accuracy of 0.9 in 5 different splits of the test set. In addition, Shapley Additive Explanations (SHAP) helps in examining and explaining the output of the XGBoost model.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
kaka完成签到 ,获得积分10
1秒前
郑鹏飞发布了新的文献求助10
3秒前
打打应助水野采纳,获得10
4秒前
6秒前
Murray应助郑鹏飞采纳,获得10
9秒前
9秒前
花花完成签到,获得积分10
10秒前
11秒前
共享精神应助hh采纳,获得10
12秒前
Jasper应助小苏打采纳,获得10
12秒前
16秒前
dota1dota26完成签到,获得积分10
16秒前
所所应助科研通管家采纳,获得10
18秒前
无花果应助科研通管家采纳,获得10
18秒前
Orange应助科研通管家采纳,获得30
18秒前
英姑应助科研通管家采纳,获得10
18秒前
星辰大海应助科研通管家采纳,获得10
18秒前
NexusExplorer应助科研通管家采纳,获得10
18秒前
酷波er应助科研通管家采纳,获得10
18秒前
慕青应助嘟嘟采纳,获得10
19秒前
Jasper应助marstar采纳,获得10
19秒前
23秒前
领导范儿应助潇洒忘幽采纳,获得10
26秒前
水野发布了新的文献求助10
27秒前
科研通AI2S应助兴奋的故事采纳,获得10
33秒前
英俊的铭应助Christoph_Lee采纳,获得10
33秒前
34秒前
34秒前
37秒前
38秒前
39秒前
大胆小丸子完成签到,获得积分10
40秒前
夜白应助直率的冷梅采纳,获得20
40秒前
Greenhand完成签到,获得积分10
41秒前
慕青应助痴情的绮菱采纳,获得10
45秒前
samar发布了新的文献求助10
46秒前
haveatry发布了新的文献求助30
46秒前
淡定的萝莉完成签到 ,获得积分10
48秒前
云中漫步完成签到,获得积分10
49秒前
51秒前
高分求助中
The late Devonian Standard Conodont Zonation 2000
Nickel superalloy market size, share, growth, trends, and forecast 2023-2030 2000
The Lali Section: An Excellent Reference Section for Upper - Devonian in South China 1500
Smart but Scattered: The Revolutionary Executive Skills Approach to Helping Kids Reach Their Potential (第二版) 1000
Very-high-order BVD Schemes Using β-variable THINC Method 830
Mantiden: Faszinierende Lauerjäger Faszinierende Lauerjäger 800
PraxisRatgeber: Mantiden: Faszinierende Lauerjäger 800
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 催化作用 物理化学 免疫学 量子力学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 3248529
求助须知:如何正确求助?哪些是违规求助? 2891960
关于积分的说明 8269265
捐赠科研通 2559983
什么是DOI,文献DOI怎么找? 1388824
科研通“疑难数据库(出版商)”最低求助积分说明 650913
邀请新用户注册赠送积分活动 627798