Статья
DOI:
Полный текст:
Исследованы методы машинного обучения при обработке данных медико-социологического опроса. При помощи компьютерной имитации построена модель правил связывания на основе алгоритма априорных значений. Выделены пять решающих правил, представляющих интерес для анализа, с наибольшим значением лифта. Применение метода деревьев решений позволило выявить целевую группу влияния. При оценке модели вычислены важности предикторов. Верификация результатов классификации позволила выполнить проверку достоверности добытого знания. Результаты анализа использованы при принятии управленческих решений в региональной системе медицинской профилактики.
Асеев М. Г., Дюк В. А. Применение системы Deep Data Diver для решения задачи анализа рыночных корзин // Труды СПИИРАН. 2004. Т. 1. № 2. С. 127–134.
Вологда – город долгожителей: концепция активного долголетия на территории муниципального образования «Город Вологда» на период до 2035 года: решение Вологодской городской Думы от 29 декабря 2014 г. № 129. URL:
Жилина Н. М., Фадеева А. Е., Чеченин Г. И. Анализ смертности населения г. Новокузнецка на основе электронной базы данных за период 1999–2007 гг. // Социальные аспекты здоровья населения. 2009. № 3. С. 1–11.
Крысанов И. С. Введение в фармакоэкономическое моделирование // Фармакоэкономика. Современная фармакоэкономика и фармакоэпидемиология. 2008. № 1. С. 7–9.
Развитие здравоохранения Вологодской области на 2014–2020 годы: Государственная программа: постановление Правительства области от 28.10.2013 № 1112. URL:
Рапаков Г. Г., Банщиков Г. Т. Визуализация показателей в задачах управления здравоохранением Вологодской области // Вузовская наука – региону: материалы XII Всероссийской научно-технической конференции. Вологда: Вологодский государственный технический университет, 2014. С. 61–63.
Рапаков Г. Г., Банщиков Г. Т. Интеллектуальный анализ данных в здравоохранении региона (на материалах Вологодской области). Вологда: Вологодский государственный университет, 2014. 79 с.
Рапаков Г. Г., Горбунов В. А. Интеллектуальный анализ медико-социологических данных с использованием метода Microsoft Decision Trees // Вестник Воронежского государственного университета. Серия: Системный анализ и информационные технологии. 2015. № 2. С. 130–137.
Рапаков Г. Г., Банщиков Г. Т. Организация системы раннего выявления больных артериальной гипертензией и доступность антигипертензивных средств в Вологодской области: опыт использования кластерного анализа // Архивъ внутренней медицины. 2013. № 4. С. 16–23.
Рапаков Г. Г., Банщиков Г. Т. Эффективность реализации областной целевой программы лечения пациентов с артериальной гипертензией на региональном уровне (опыт Вологодской области) // Экономические и социальные перемены: факты, тенденции, прогноз. 2014. № 5. C. 206–221.
Рапаков Г. Г., Касимов Р. А., Банщиков Г. Т., Горбунов В. А. Распознавание и анализ социокультурных поведенческих паттернов на основе метода ассоциативных правил // Физико-математическое моделирование систем: материалы XII Международного семинара. Воронеж: Воронежский государственный технический университет, 2014. Ч. 2. С. 155–160.
Рапаков Г. Г., Касимов Р. А. Методы и алгоритмы машинного обучения при принятии управленческих решений в региональной системе медицинской профилактики (опыт Вологодской области). Вологда: Вологодский государственный университет, 2014. 143 с.
Шаханов Н. И., Варфоломеев И. А., Ершов Е. В., Юдина О. В. Прогнозирование отказов оборудования в условиях малого количества поломок // Вестник Череповецкого государственного университета. 2016. № 6 (75). С. 36–41.
Harrington P. Machine Learning in Action. Shelter Island: Manning Publications, 2012. 384 p.
Witten I. H., Frank E. Data Mining: Practical Machine Learning Tools and Techniques. Burlington: Elsevier Inc., 2005. 525 p.
Wu X. The Top Ten Algorithms in Data Mining. Boca Raton: Chapman & Hall, 2009. 201 p.
Zhang C., Zhang S. Association Rule Mining: Models and Algorithms. Berlin; Heidelberg: Springer: Verlag, 2002. 248 p.
Вологда – город долгожителей: концепция активного долголетия на территории муниципального образования «Город Вологда» на период до 2035 года: решение Вологодской городской Думы от 29 декабря 2014 г. № 129. URL:
Жилина Н. М., Фадеева А. Е., Чеченин Г. И. Анализ смертности населения г. Новокузнецка на основе электронной базы данных за период 1999–2007 гг. // Социальные аспекты здоровья населения. 2009. № 3. С. 1–11.
Крысанов И. С. Введение в фармакоэкономическое моделирование // Фармакоэкономика. Современная фармакоэкономика и фармакоэпидемиология. 2008. № 1. С. 7–9.
Развитие здравоохранения Вологодской области на 2014–2020 годы: Государственная программа: постановление Правительства области от 28.10.2013 № 1112. URL:
Рапаков Г. Г., Банщиков Г. Т. Визуализация показателей в задачах управления здравоохранением Вологодской области // Вузовская наука – региону: материалы XII Всероссийской научно-технической конференции. Вологда: Вологодский государственный технический университет, 2014. С. 61–63.
Рапаков Г. Г., Банщиков Г. Т. Интеллектуальный анализ данных в здравоохранении региона (на материалах Вологодской области). Вологда: Вологодский государственный университет, 2014. 79 с.
Рапаков Г. Г., Горбунов В. А. Интеллектуальный анализ медико-социологических данных с использованием метода Microsoft Decision Trees // Вестник Воронежского государственного университета. Серия: Системный анализ и информационные технологии. 2015. № 2. С. 130–137.
Рапаков Г. Г., Банщиков Г. Т. Организация системы раннего выявления больных артериальной гипертензией и доступность антигипертензивных средств в Вологодской области: опыт использования кластерного анализа // Архивъ внутренней медицины. 2013. № 4. С. 16–23.
Рапаков Г. Г., Банщиков Г. Т. Эффективность реализации областной целевой программы лечения пациентов с артериальной гипертензией на региональном уровне (опыт Вологодской области) // Экономические и социальные перемены: факты, тенденции, прогноз. 2014. № 5. C. 206–221.
Рапаков Г. Г., Касимов Р. А., Банщиков Г. Т., Горбунов В. А. Распознавание и анализ социокультурных поведенческих паттернов на основе метода ассоциативных правил // Физико-математическое моделирование систем: материалы XII Международного семинара. Воронеж: Воронежский государственный технический университет, 2014. Ч. 2. С. 155–160.
Рапаков Г. Г., Касимов Р. А. Методы и алгоритмы машинного обучения при принятии управленческих решений в региональной системе медицинской профилактики (опыт Вологодской области). Вологда: Вологодский государственный университет, 2014. 143 с.
Шаханов Н. И., Варфоломеев И. А., Ершов Е. В., Юдина О. В. Прогнозирование отказов оборудования в условиях малого количества поломок // Вестник Череповецкого государственного университета. 2016. № 6 (75). С. 36–41.
Harrington P. Machine Learning in Action. Shelter Island: Manning Publications, 2012. 384 p.
Witten I. H., Frank E. Data Mining: Practical Machine Learning Tools and Techniques. Burlington: Elsevier Inc., 2005. 525 p.
Wu X. The Top Ten Algorithms in Data Mining. Boca Raton: Chapman & Hall, 2009. 201 p.
Zhang C., Zhang S. Association Rule Mining: Models and Algorithms. Berlin; Heidelberg: Springer: Verlag, 2002. 248 p.
Ключевые слова:
компьютерное моделирование, машинное обучение, ассоциативные правила, деревья решений, поддержка принятия решений
Для цитирования:
Рапаков Г. Г., Банщиков Г. Т., Горбунов В. А., Малыгин Л. Л., Ревелев И. М. Анализ данных медико-социологического мониторинга на основе методов машинного обучения // Вестник Череповецкого государственного университета. 2019. № 1 (88). С. 27–38. DOI: 10.23859/1994-0637-2019-1-88-3
Контент доступен под лицензией Creative Commons Attribution 4.0 License.