Веб-приложение для прогнозирования показателей здоровья с применением механизмов машинного обучения и его эргономическое обеспечение

Abstract

В данной работе осуществлен аналитический обзор применения статистических методов и алгоритмов машинного обучения для анализа временных рядов данных о показателях здоровья. Основное внимание уделяется использованию моделей ARIMA, линейной регрессии, SVR (Support Vector Regression), KNN (K-Nearest Neighbors) и Random Forest. Подчеркивается, как применение этих методов способствует повышению точности и персонализации прогнозов здоровья, учитывая сложность и многообразие медицинских данных. Описывается процесс оценки эффективности этих методов на основе различных метрик, включая среднюю абсолютную ошибку, среднеквадратическую ошибку и индекс рассеивания, что позволяет подчеркнуть значимость их использования в современных медицинских приложениях. Работа демонстрирует важность интеграции передовых технологий анализа данных в области здравоохранения для улучшения качества жизни пациентов.