طبقه بندي مبتلايان كويد ۱۹ با استفاده از الگوريتم هاي يادگيري ماشين: رويكرد مبتني بر SVM

Classification of Covid-19 patients using machine learning algorithms: SVM-based approach

در 30 ژانويه سال 2020 ميلادي بود كه سازمان بهداشت جهاني، وقوع كرونا ويروس جديد را خبر داد و سپس در فوريه‌ي همان سال اين ويروس به‌طور رسمي تحت عنوان ويروس كرونا نامگذاري شد. كوويد-19 يك بيماري حاد تنفسي است كه در ارتباط نزديك با كرونا ويروس سارس است. باتوجه به مشاهدات تجربي و بررسي‌هاي پزشكي، موضوع تأثير تغذيه در مديريت بيماري كوويد-19 تقريباً براي همه‌ي آحاد جامعه، ثابت شدهاست. در دسامبر سال 2021 ميلادي، بيش از 6500 نشريه با كلمه‌ي كليدي تركيبي كوويد-19 و غذا انجام شده بود. در اين پژوهش هدف كلي پيش‌بيني داده‌هاي مرتبط با رژيم غذايي مؤثر بر كوويد-19 با استفاده از الگوريتم SVM ، دنبال شد. بدين منظور يك مجموعه داده‌ي معتبر دسته‌بندي شده در 4 گروه براساس مقدار چربي موجود در رژيم غذايي، مقدار انرژي موجود در رژيم غذايي برحسب كيلوكالري، مقدار غذاي مصرف شده توسط فرد مورد بررسي برحسب كيلوگرم و مقدار پروتئين موجود در رژيم غذايي، از سايت كل استخراج گرديد.

On January 30, 2020, the spread of Covid-19 caused public health concerns due to the high speed of transmission of this epidemic virus. Regard to the lack of a definitive treatment, the virus attracted the attention of many researchers around the world. Examining different types of classifications on the data related to patients is one of the important research challenges. This study performs the classification of data related to the diet of patients with Covid-19, which was collected in the Kaggle data center. Undoubtedly, it is possible to improve the quality and prediction of disease conditions by classifying the types of diets. Special features of machine learning like SVM and PCA algorithms have been used for classification in this research. The experimental analysis of this approach has applied different SVR methods by us various kernel functions. The obtained results show the high accuracy of the proposed approach.