ระบบแนะนำวัคซีนสำหรับคลินิกเด็กสุขภาพดี

Abstract

ในงานวิจัยนี้ได้นำเสนอระบบแนะนำวัคซีนสำหรับคลินิกเด็กสุขภาพดีซึ่งกรอบการทำงานของแบ่งเป็น 2 เฟส คือ เฟสที่ 1 จะเป็นการจัดการข้อมูล โดยมีการทำความสะอาดข้อมูลและเติมข้อมูลด้วยค่าเฉลี่ย มีการกำจัดข้อมูลที่ผิด (outliers) ด้วยขั้นตอนวิธี Probabilistic Mapped Mean-Shift (PMMS) ซึ่งมีค่าความถูกเท่ากับ 93%, 94%, 80%, 75%, และ 72% เมื่อนำไปทดลองกับข้อมูล CWC, Stamps, Arrh, Pima และ Pakinson ตามลำดับ โดยค่าความถูกต้องที่ได้ดังกล่าวนี้ เป็นค่าความถูกต้องสูงสุด เมื่อเทียบกับขั้นตอนวิธีอื่นที่ใช้ในการเปรียบเทียบประสิทธิภาพของขั้นตอนวิธีที่นำเสนอ เมื่อจัดการกับข้อมูลในเฟสที่ 1 เรียบร้อยแล้ว ทำให้ได้ชุดข้อมูล CWC ที่ผ่านการทำความสะอาดและมีการเติมข้อมูล รวมถึงได้มีการกำจัดข้อมูลผิดปกติออกไป (cleaned and completed dataset without outliers) ก็จะนำข้อมูล CWC ไปทดลองเพื่อหาขั้นตอนวิธีที่เหมาะสมในการแนะนำวัคซีนรายคนสำหรับเด็กในเฟสที่ 2 ซึ่งพบว่า ขั้นตอนวิธี Gradient Boosting Classifier ให้ค่าความถูกต้องสูงสุดอยู่ที่ 53% ซึ่งเป็นค่าที่สูงสุดจากขั้นตอนวิธีทั้งหมด 11 วิธี