research centers


Search results: Found 2

Listing 1 - 2 of 2
Sort by

Article
Best Way to Detect Breast Cancer by UsingMachine Learning Algorithms
أفضل طريقة لأكتشاف سرطان الثدي بأستخدام خوارزميات تعليم الالة

Author: Nahla Arabi Hamdo نهلة عربي حمدو
Journal: Iraqi Journal of Science المجلة العراقية للعلوم ISSN: 00672904/23121637 Year: 2015 Volume: 56 Issue: 2C Pages: 1794-1799
Publisher: Baghdad University جامعة بغداد

Loading...
Loading...
Abstract

Breast cancer is the second deadliest disease infected women worldwide. For this reason the early detection is one of the most essential stop to overcomeit dependingon automatic devices like artificial intelligent. Medical applications of machine learning algorithmsare mostly based on their ability to handle classification problems, including classifications of illnesses or to estimate prognosis. Before machine learningis applied for diagnosis, it must be trained first. The research methodology which isdetermines differentofmachine learning algorithms,such as Random tree, ID3, CART, SMO, C4.5 and Naive Bayesto finds the best training algorithm result. The contribution of this research is test the data set with missing value and without missing value, where the missing value is one attribute is missing from one sample for data set. The test result is show SMO is the best algorithm, especiallywhen the research removes the samples that contained the missing value.

سرطان الثدي هو ثاني أخطر مرض يصيب النساء في جميع أنحاء العالم. لهذا السبب الكشف المبكر هو واحد من المحطات الأكثر أهمية للتغلب عليه اعتمادا على الأجهزة الآلية مثل الذكاء الصناعي. التطبيقات الطبية في خوارزميات تعليم الآلة تعتمد في الغالب على التعامل مع مشاكل التصنيف، بما في ذلك التصنيفات للأمراض أو لتقدير او التكهن. قبل تطبيق التشخيص، يجب تدريب الالة اولا. وفي هذا البحث يتم استخدام منهجية البحث لخوارزميات مختلفة مثلا Random tree و ID3و CARTو SMOو C4.5 و Naive Bayes لإظهار أفضل نتيجة لتدريب الخوارزمية. المساهمة العلمية في هذا البحث هو اجراء الاختبار على مجموعة بيانات يوجد ضمنها عينات احد عناصرها مفقود ثماجراء الاختبار بعد حذف تلك العينات. نتيجة التجربة تظهر ان SMOهو أفضل خوارزمية خاصة عند ازالة العينات التي تحتوي على القيم المفقودة.


Article
Predicting Bank Loan Risks Using Machine Learning Algorithms
التنبؤ بمخاطر القروض المصرفية باستخدام خوارزميات تعلم الالة

Loading...
Loading...
Abstract

Bank loans play a crucial role in the development of banks investment business. Nowadays, there are many risk-related issues associated with bank loans. With the advent of computerization systems, banks have become able to register borrowers' data according their criteria. In fact, there is a tremendous amount of borrowers’ data, which makes the process of load management a challenging task. Many studies have utilized data mining algorithms for the purpose of loans classification in terms of repayment or when the loans are not based on customers’ financial history. This kind of algorithms can help banks in making grant decisions for their customers. In this paper, the performance of machine learning algorithms has been compared for the purpose of classifying bank loan risks using the standard criteria and then choosing (Multilayer Perceptron) as it has given best accuracy compared to RandomForest, BayesNet, NaiveBayes and DTJ48 algorithms.

تلعب القروض المصرفية دوراً حاسماً في تطوير الأعمال الاستثمارية للبنوك. في الوقت الحاضر ، هناك العديد من القضايا المرتبطة بمخاطر القروض المصرفية. مع ظهور أنظمة الحوسبة ، أصبحت البنوك قادرة على تسجيل بيانات المقترضين وفقًا لمعاييرها. في الواقع ، هناك كمية هائلة من بيانات المقترضين ، مما يجعل عملية اتخاذ القرار مهمة صعبة. استخدمت العديد من الدراسات خوارزميات تنقيب البيانات لغرض تصنيف القروض من حيث الايفاء أو عدم الايفاء بسداد القرض بالاعتماد على بيانات المقترضين السابقة . يمكن لهذا النوع من الخوارزميات مساعدة البنوك في اتخاذ قرارات المنح لعملائها. في هذه الورقة ، تمت مقارنة أداء خوارزميات التعلم الآلي لغرض تصنيف مخاطر القروض المصرفية باستخدام المعايير القياسية ثم اختيار الشبكات العصبية متعددة الطبقات (Multilayer Perceptron) حيث أنها أعطت أفضل دقة مقارنة بخوارزميات RandomForest) , BayesNet , NaiveBayes & DTJ48).

Listing 1 - 2 of 2
Sort by
Narrow your search

Resource type

article (2)


Language

English (2)


Year
From To Submit

2020 (1)

2015 (1)