Comparaison des algorithmes de classification et l'optimisation du meilleur algorithme

Abstract

La prédiction de l'infection au COVID-19 à partir de données cliniques revêt une grande importance, car elle permet d'identifier les individus à risque, de prendre des mesures préventives adaptées et de mieux allouer les ressources de santé. Nous démontrons dans ce mémoire notre étude sur l'efficacité des algorithmes de classification dans la prédiction de l'infection au COVID-19 à partir de données cliniques. En optimisant les hyperparamètres, nous avons constaté une amélioration des performances prédictives du modèle SVC. Ces résultats revêtent une importance cruciale pour la gestion de la pandémie et ouvrent de nouvelles perspectives pour les recherches à venir dans ce domaine.