پیش بینی نارسایی های کبدی با استفاده از یادگیری نیمه نظارتی

کبد عضو مهم بدن انسان که نارسایی آن منجر به بیماری هایی از جمله سرطان کبد می شود. تشخیص زودهنگام اختلالات کبدی می تواند ریسک ابتلا را کاهش دهد که نیاز به زمان و هزینه منابع پزشکی زیاد دارد. یادگیری ماشین علمی که به کمک آن می توان با استفاده از داده های افراد ازمایش شده، افراد جدید را برا اساس بیمار بودن یا نبودن کلاس بندی کرد. در کاربردهای دنیای واقعی تمام داده ها دارای برچسب نیستند، بنابراین نیاز به روشی داریم که داده های بدون برچسب را برچسب زنی کند که یادگیری نیمه نظارتی یکی از آنهاست. این مقاله چندین الگوریتم را استفاده و مقایسه کرده است.