بررسی و تحلیل تکنیک های یادگیری ماشین روی بیماری Covid -۱۹

سیستم های رایانه ای امروزه حجم عظیمی از داده ها را جمع آوری میکنند . شیوع Covid-۱۹ اهمیت دوباره به استفاده از تکنیک های داده کاوی و یادگیری ماشین را برای تجزیه و تحلیل عواملی که با ظهور و شیوع این بیماری در ارتباط هستند را نشان داده است. کووید بیماری است که توسط نسل جدیدی از کرونا ویروس به نام سندرم حاد تنفسی کرونا ۲ شناخته میشود که تعداد بسیار زیادی از انسان ها را در سرتاسر جهان مبتلا کرده است. افزایش تصاعدی در تعداد عفونت ها روشهای سنتی را برای تشخیص ویروس ناکارآمده کرده است . بنابراین محققان از چندین تکنیک یادگیری ماشین برای شناسایی ویروس استفاده کرده و یا آنها را توسعه داده اند . همچنین استفاده از روش های یادگیری ماشین در تشخیص و کنترل پاندمیها باعث کاهش هزینه های مراقبت های درمانی ، افزایش کیفیت خدمات بهداشتی و همچنین باعث استفاده بهینه از منابع بیمارستانی میشود . تکنیک های داده کاوی و یادگیری ماشین در تحلیل و تفسیر اطلاعات استفاده می شوند که در کشف الگوها ، برنامه ریزی ، پیش بینی سرعت تکثیر سرایت ویروس و همچنین پیش بینی و تشخیص موارد ابتلا به این ویروس کاربردهای فراوانی دارند . این تحقیق یک مطالعه جامع را از الگوریتم های مختلف داده کاوی و یادگیری ماشین که در ارتباط با پیش بینی میزان شیوع و ابتلای به این ویروس هستند را ارائه میدهد . تکنیک های بررسی شده در این مطالعه شامل SVM ، RF ، DT و LR است که مقالاتی که از این تکنیک ها استفاده کرده اند مورد بررسی قرار گرفته و نتیجه این بررسی ها برای هر تکنیک در یک جدول جداگانه آمده است که دقت ، حساسیت و ویژگی پرکاربردترین اندازه گیری ها در مطالعات قبلی هستند .