Anonymous | Machine Learning Approaches for Predicting AIDS Virus Infection | E-Book | www2.sack.de
E-Book

E-Book, Englisch, 9 Seiten

Anonymous Machine Learning Approaches for Predicting AIDS Virus Infection


1. Auflage 2024
ISBN: 978-3-389-06574-7
Verlag: GRIN Verlag
Format: PDF
 Kopierschutz: 0 - No protection

E-Book, Englisch, 9 Seiten

ISBN: 978-3-389-06574-7
Verlag: GRIN Verlag
Format: PDF
 Kopierschutz: 0 - No protection

Academic Paper from the year 2024 in the subject Computer Science - Bioinformatics, grade: 1.5, , course: Biotechnology, language: English, abstract: This review investigates the use of machine learning approaches, notably Random Forest and Neural Network classifiers, in the context of AIDS classification and digit identification using the MNIST dataset. The paper compares the performance of a Random Forest classifier and a Multi-Layer Perceptron (MLP) neural network on an AIDS classification dataset, emphasizing the significance of feature scaling and the impact of model design on classification accuracy. The Random Forest model was used to determine feature relevance, and the MLP classifier was trained and tested for accuracy in categorizing the binary outcome of HIV infection.

Anonymous Machine Learning Approaches for Predicting AIDS Virus Infection jetzt bestellen!

Autoren/Hrsg.

Anonymous,
Ihre Fragen, Wünsche oder Anmerkungen
Vorname*
Nachname*
Ihre E-Mail-Adresse*
Kundennr.
Ihre Nachricht*
Lediglich mit * gekennzeichnete Felder sind Pflichtfelder.
Wenn Sie die im Kontaktformular eingegebenen Daten durch Klick auf den nachfolgenden Button übersenden, erklären Sie sich damit einverstanden, dass wir Ihr Angaben für die Beantwortung Ihrer Anfrage verwenden. Selbstverständlich werden Ihre Daten vertraulich behandelt und nicht an Dritte weitergegeben. Sie können der Verwendung Ihrer Daten jederzeit widersprechen. Das Datenhandling bei Sack Fachmedien erklären wir Ihnen in unserer Datenschutzerklärung.