일 | 월 | 화 | 수 | 목 | 금 | 토 |
---|---|---|---|---|---|---|
1 | 2 | 3 | 4 | |||
5 | 6 | 7 | 8 | 9 | 10 | 11 |
12 | 13 | 14 | 15 | 16 | 17 | 18 |
19 | 20 | 21 | 22 | 23 | 24 | 25 |
26 | 27 | 28 | 29 | 30 | 31 |
Tags
- Eda
- arima
- 하계인턴
- 시각화
- kt aivle school
- 시계열
- 에이블러
- dx
- SQL
- kaggle
- 기계학습
- python
- r
- Ai
- 머신러닝
- 한국전자통신연구원 인턴
- ggplot2
- httr
- 에트리 인턴
- SQLD
- ETRI
- 가나다영
- matplot
- 소셜네트워크분석
- 웹크롤링
- 빅분기
- KT 에이블스쿨
- 하둡
- cnn
- 딥러닝
- 프로그래머스
- 서평
- ML
- 에이블스쿨
- hadoop
- KT AIVLE
- 다변량분석
- 빅데이터분석기사
- 한국전자통신연구원
- 지도학습
Archives
- Today
- Total
목록dnn (1)
소품집
[ML] MIMIC-II 데이터 기반 패혈증 환자 분류
👩🏻💻 데이터 소개 MIMIC-II 데이터 베이스란? 2001년~2008년 사이에 중환자실(ICU)에서 수집된 환자 생체 신호 데이터 환자차트데이터(chartevents) 파일에는 환자에 대한 모든 차트형 데이터를 포함 위 데이터에 있는 Primary Key를 기준으로 다른 데이터 베이스에 접근 할 수 있음 생체 신호 데이터에는 Heart Rate, Respiratory Rate, Blood Pressure, Boby Temperature 등의 정보가 포함되어 있음 기존 연구 자료에서도 위 환자 차트 데이터를 중점적으로 사용하며 활력 징후 코드를 추출 했으므로, 분석과 딥러닝 예측에 중요한 데이터로 판단함 👨🏻⚕️ 패혈증 분류를 위한 Feature 선정 그림1. 패혈증 진단에 필요한 생체신호 데이터 ..
AI
2022. 9. 17. 00:17