Машинне навчання (ML); клінічний Інтернет речей; перетворення Хаара; штучний інтелект; AUC-ROC

У цій статті представлено дослідження створення ознак для застосування машинного навчання (ML) при обробці клінічних даних, зосереджуючись на бінарній класифікації даних часових рядів. Дослідження демонструє ефективність використання перетворення Хаара для підвищення значущості ознак і покращення ефективності класифікації. Перетворення Хаара дозволяє підвищити точність прогнозування за рахунок збільшення ваги важливих параметрів, що особливо важливо при обробці складних клінічних даних.