Técnicas de aprendizaje automático para predecir la edad
Del estado de erupción de los dientes permanentes en los niños de Sri Lanka
Versandkostenfrei!
Versandfertig in 1-2 Wochen
29,99 €
inkl. MwSt.
PAYBACK Punkte
15 °P sammeln!
La predicción de la edad es una faceta predominante en los ámbitos forense y clínico. La odontología forense se utiliza para predecir la edad mediante el uso de dientes permanentes resistentes a las altas temperaturas y a cualquier desastre masivo que otras partes del cuerpo. La pérdida de memoria relacionada con la edad, la pérdida de memoria asociada a la demencia y la ausencia de documentos oficiales para verificar su edad son las principales razones por las que las personas no conocen su edad. Por lo tanto, la predicción de la edad se utiliza en diversas situaciones, como la identif...
La predicción de la edad es una faceta predominante en los ámbitos forense y clínico. La odontología forense se utiliza para predecir la edad mediante el uso de dientes permanentes resistentes a las altas temperaturas y a cualquier desastre masivo que otras partes del cuerpo. La pérdida de memoria relacionada con la edad, la pérdida de memoria asociada a la demencia y la ausencia de documentos oficiales para verificar su edad son las principales razones por las que las personas no conocen su edad. Por lo tanto, la predicción de la edad se utiliza en diversas situaciones, como la identificación, la admisión, el empleo, las cuestiones penales y los castigos judiciales. El objetivo principal de este estudio es predecir la edad de un niño utilizando el estado de erupción de los dientes permanentes. Este estudio transversal se llevó a cabo en 3321 individuos (1681 hombres y 1640 mujeres) de 7 provincias y 20 escuelas de Sri Lanka. Se utilizaron algoritmos de árboles de regresión en aprendizaje automático, a saber, árboles de clasificación y regresión (CART), clasificador de refuerzo de gradiente (GB) y clasificador de refuerzo de gradiente extremo (XGBoost), para hacer predicciones sobre la edad de un niño. Los resultados del estudio proporcionan un clasificador de aprendizaje automático XGBoost como el método más adecuado para la predicción de la edad con mayor precisión.
Andere Kunden interessierten sich für
