پیش بینی بیماری کرونا از روی علائم قابل مشاهده با استفاده از یادگیری ماشین

این روزها جامعه بشریت شاهد افزایش مرگ و میر ناشی از جهش‌های مختلف بیماری کرونا است. بیماری کرونا علایم متفاوتی در بدن هر فرد دارد؛ اما اغلب گونه‌های آن در مراحل اولیه بیماری علایمی دارند که قابل مشاهده توسط فرد نیز هستند. هدف از این پژوهش، پیش‌بینی بیماری کرونا از روی علایم اولیه بیماری هست. در این راستا جهت شناسایی و پیش‌بینی بیماری کرونا از الگوریتم‌های یادگیری ماشین همانند بیزین ساده، رگرسیون لجستیک، درخت تصمیم، تحلیل تشخیص خطی، K-نزدیک‌ترین همسایه و ماشین بردار پشتیبان استفاده شده است. برای ارزیابی کارایی الگوریتم‌های فوق از دو مجموعه داده واقعی در پایگاه داده Kaggle استفاده شده است. برای پیاده‌سازی الگوریتم‌ها از زبان برنامه‌نویسی پایتون بهره گرفته شده است. نتایج حاصل از اجرا نشان می‌دهد الگوریتم درخت تصمیم با بالاترین میزان دقت دارای بیشترین کارایی در پیش‌بینی بیماری کرونا است.