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!

Ensemble Voting Regression Based on Machine Learning for Predicting Medical Waste: A Case from Turkey

随机森林 Boosting(机器学习) 平均绝对百分比误差 均方误差 阿达布思 集成学习 梯度升压 线性回归 机器学习 计算机科学 回归 人工智能 集合预报 回归分析 统计 绝对偏差 数学 支持向量机
作者
Babak Daneshvar Rouyendegh,Burcu Devrim-İçtenbaş
出处
期刊:Mathematics [MDPI AG]
卷期号:10 (14): 2466-2466 被引量:35
标识
DOI:10.3390/math10142466
摘要

Predicting medical waste (MW) properly is vital for an effective waste management system (WMS), but it is difficult because of inadequate data and various factors that impact MW. This study’s primary objective was to develop an ensemble voting regression algorithm based on machine learning (ML) algorithms such as random forests (RFs), gradient boosting machines (GBMs), and adaptive boosting (AdaBoost) to predict the MW for Istanbul, the largest city in Turkey. This was the first study to use ML algorithms to predict MW, to our knowledge. First, three ML algorithms were developed based on official data. To compare their performances, performance measures such as mean absolute deviation (MAE), root mean squared error (RMSE), mean absolute percentage error (MAPE), and coefficient of determination (R-squared) were calculated. Among the standalone ML models, RF achieved the best performance. Then, these base models were used to construct the proposed ensemble voting regression (VR) model utilizing weighted averages according to the base models’ performances. The proposed model outperformed three baseline models, with the lowest RMSE (843.70). This study gives an effective tool to practitioners and decision-makers for planning and constructing medical waste management systems by predicting the MW quantity.
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
pupi完成签到 ,获得积分10
1秒前
yan完成签到 ,获得积分10
5秒前
6秒前
feifei完成签到,获得积分10
7秒前
酷酷豌豆射手完成签到,获得积分10
8秒前
安静的故事完成签到,获得积分10
10秒前
枕头也重名完成签到 ,获得积分10
11秒前
Myla完成签到,获得积分20
15秒前
忧伤的冰薇完成签到 ,获得积分10
15秒前
licheng完成签到,获得积分10
17秒前
20秒前
zhangyue092200完成签到 ,获得积分10
21秒前
安静夏兰应助寻绿采纳,获得100
22秒前
魔幻熊猫发布了新的文献求助10
24秒前
陈尹蓝完成签到 ,获得积分10
26秒前
葱饼完成签到 ,获得积分10
27秒前
叶子完成签到 ,获得积分10
28秒前
弧光完成签到 ,获得积分10
29秒前
29秒前
九川完成签到,获得积分10
33秒前
123完成签到 ,获得积分10
33秒前
超级无敌万能小金毛完成签到,获得积分10
37秒前
饱满跳跳糖完成签到,获得积分10
38秒前
周冯雪完成签到 ,获得积分10
41秒前
千秋完成签到 ,获得积分10
43秒前
绾妤完成签到 ,获得积分10
43秒前
weiyy完成签到 ,获得积分10
44秒前
HHXYY完成签到 ,获得积分10
45秒前
小彭友完成签到,获得积分10
47秒前
初昀杭完成签到 ,获得积分10
47秒前
47秒前
科研通AI2S应助宋晓蓝采纳,获得10
53秒前
时尚问安完成签到 ,获得积分10
55秒前
的法国队完成签到,获得积分10
55秒前
WDD完成签到,获得积分10
1分钟前
1分钟前
我爱学习完成签到 ,获得积分20
1分钟前
洁净的白羊完成签到,获得积分10
1分钟前
MMMgao完成签到 ,获得积分10
1分钟前
小佛爷发布了新的文献求助10
1分钟前
高分求助中
Sustainability in Tides Chemistry 2000
Bayesian Models of Cognition:Reverse Engineering the Mind 888
Essentials of thematic analysis 700
A Dissection Guide & Atlas to the Rabbit 600
Very-high-order BVD Schemes Using β-variable THINC Method 568
Mantiden: Faszinierende Lauerjäger Faszinierende Lauerjäger 500
PraxisRatgeber: Mantiden: Faszinierende Lauerjäger 500
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 3125899
求助须知:如何正确求助?哪些是违规求助? 2776224
关于积分的说明 7729457
捐赠科研通 2431591
什么是DOI,文献DOI怎么找? 1292142
科研通“疑难数据库(出版商)”最低求助积分说明 622497
版权声明 600392