| Аннотацiя: | В современном мире специалисты разных областей ищут способы лечения и диагностирования заболеваний. Решение проблемы, которая заключается в ограниченных возможностях своевременной диагностики, лежит в области методов Data Mining. Первым из методов, рассматриваемых в работе, является метод оценивания параметров логистической регрессии на основе метода оценки шансов и вероятностей. Метод чаще всего используется для выборок с малым количеством параметров. Если в выборке большое количество параметров, этот метод теряет свою точность. Вторым рассматриваемым методом является метод оценки вероятности заболевания с использованием байесовского классификатора. Этот метод более выгоден для применения на выборках с большим количеством параметров, так как метод не теряет своей точности при увеличении количества переменных, однако, несмотря на это, количество признаков должно быть постоянным. В случае с переменным количеством признаков использование такого классификатора в явном виде приводит к потере его ковариант |
