LuanVan.vnLuận Văn
Gửi thư

ShapG trong học tổng hợp cho dự đoán trong dữ liệu y khoa

Luận văn · Thạc sĩ · năm 2025 · đề tài tham khảo

Loại tài liệuLuận văn
Bậc họcThạc sĩ
NgànhCông nghệ thông tin
Tác giảVõ Minh Nguyên
Người hướng dẫnLê Hoài Bắc; Nguyễn Viết Hưng
Cơ sở đào tạoĐại học Quốc gia TP. Hồ Chí Minh
Năm2025
NguồnThư viện số Đại học Quốc gia TP. Hồ Chí Minh · trang gốc

Tóm tắt

Nghiên cứu sử dụng phương pháp tiếp cận kết hợp lý thuyết và thực nghiệm để so sánh giá trị Shapley, phương pháp ShapG, và các kỹ thuật học tập tổng hợp trên một tập dữ liệu y khoa. Giá trị Shapley được triển khai để tính toán đóng góp công bằng của từng đặc trưng trong mô hình dự đoán, trong khi ShapG được áp dụng để xây dựng đồ thị tương quan đặc trưng, tối ưu hóa tính toán và mô tả tương tác đặc trưng. Các mô hình học tập tổng hợp, bao gồm rừng ngẫu nhiên và XGBoost, được huấn luyện để dự đoán kết quả y khoa.
Bản toàn văn lưu tại thư viện Đại học Quốc gia TP. Hồ Chí Minh

Thông tin và tóm tắt ở trên lấy từ kho số mở của thư viện trường. Bản toàn văn do thư viện trường quản lý — có nơi cho đọc trực tuyến, có nơi cần tài khoản bạn đọc của trường.

Mở tại thư viện trường ↗
Dùng tài liệu tham khảo cho đúng
  • Đọc để hiểu cách người trước đặt câu hỏi, chọn phương pháp, trình bày số liệu — rồi tự làm với dữ liệu và bối cảnh của bạn.
  • Ý, số liệu, bảng biểu lấy từ tài liệu này phải trích dẫn (tác giả, năm, tên đề tài, cơ sở đào tạo).
  • Đề tài trùng tên vẫn làm được nếu khác đơn vị khảo sát, thời gian hoặc cách tiếp cận — nêu rõ điểm khác trong phần mở đầu.

Hướng dẫn chọn đề tài, cấu trúc và số liệu cho ngành này: Luận văn công nghệ thông tin · Hỏi đáp từng chương với người hướng dẫn số: Học Giả Số · Công cụ số: Luận Văn Số.

Đề tài cùng ngành

Tác giả muốn gỡ, sửa thông tin hoặc bổ sung bản toàn văn: gửi yêu cầu qua trang Liên hệ, kèm đường dẫn trang này.