W pracy Misztal (2007) podjęto próbę wyodrębnienia przedoperacyjnych czynników ryzyka mających wpływ na przedłużenie czasu pobytu na OIOM pacjentów z chorobą wieńcową leczonych operacyjnie. Prognozowanie czasu pobytu pacjenta na OIOM nie należy do zadań łatwych, występują tu bowiem rozkłady o silnej asymetrii prawostronnej, z dużą liczbą wartości nietypowych.

W prowadzonych badaniach do prognozowania czasu pobytu na OIOM wykorzystano między innymi drzewa klasyfikacyjne i regresyjne, uzyskane wyniki nie były jednak całkowicie satysfakcjonujące. Wpływ na to mógł mieć między innymi brak stabilności utworzonych modeli. Obecnie coraz częściej dokonuje się agregacji indywidualnych modeli w jeden model zagregowany, dla którego uzyskujemy błąd predykcji mniejszy niż błąd każdego z modeli składowych.

W referacie dokonano próby zastosowania zagregowanych modeli drzew klasyfikacyjnych i regresyjnych (Bagging – Breiman 1996, Boosting - Freund i Shapire 1997, Random forest – Breiman 2001, BART - Chipman, George, McCulloch 2005) do poprawy dokładności predykcji czasu pobytu na OIOM pacjentów poddanych leczeniu operacyjnemu choroby wieńcowej.

Literatura

· Breiman L. (1996): Bagging predictors. Machine Learning, 24, 123-140.

· Breiman L. (2001): Random forests. Machine Learning 45, 5-32.

· Chipman H. A., George E. I., McCulloch R. E. (2006), BART: Bayesian Additive Regression Trees, Technical report, University of Chicago.

· Freund Y., Schapire R.E. (1997): A decision-theoretic generalization of on-line learning and an application to boosting, Journal of Computer and System Sciences 55, 119-139.

· Misztal M. (2007), Wybrane metody analizy i prognozowania czasu pobytu na OIOM pacjentów z chorobą wieńcową, (w:) Taksonomia 14. Klasyfikacja i analiza danych – teoria i zastosowania, pod redakcją K. Jajugi i M. Walesiaka, Prace Naukowe Akademii Ekonomicznej we Wrocławiu, Wydawnictwo AE we Wrocławiu, Wrocław (w druku).

• Legal notice:
  

  Copyright (c) Pielaszek Research, all rights reserved.
  The above materials, including auxiliary resources, are subject to Publisher's copyright and the Author(s) intellectual rights. Without limiting Author(s) rights under respective Copyright Transfer Agreement, no part of the above documents may be reproduced without the express written permission of Pielaszek Research, the Publisher. Express permission from the Author(s) is required to use the above materials for academic purposes, such as lectures or scientific presentations.
  In every case, proper references including Author(s) name(s) and URL of this webpage: https://science24.com/paper/10638 must be provided.