Gimbutas, Mark, juhendajaFischer, Krista, juhendajaKilgi, KadiTartu Ülikool. Loodus- ja täppisteaduste valdkondTartu Ülikool. Matemaatika ja statistika instituut2022-06-152022-06-152022http://hdl.handle.net/10062/82594Käesoleva magistritöö eesmärk on eelmise aasta riskipatsientide raviarvete andmeid kasutades prognoosida järgmisel aastal välditavat hospitaliseerimist vajavad patsiendid. Riskipatsiendiks loetakse krooniliselt haiget inimest, kellel on suurenenud risk tervise halvenemisele. Lisaks on soov mudeliga hinnata patsientidele hospitaliseerimise riskiskoor, mille alusel patsiendid järjestada. Töö teoreetilises osas tutvustatakse masinõppe metoodikat ning kirjeldatakse töös kasutatavaid klassifitseerimismeetodeid. Lisaks tehakse ülevaade tasakaalustamata andmete probleemist ning võimalikest lahendustest. Seejärel tehakse ülevaade riskipatsientide definitsioonist ning kirjeldatakse valimisse sattunud patsiente. Töö praktilises osas katsetatakse erinevaid klassifitseerimismeetodeid ning võrreldakse erinevaid lähenemisi hospitaliseerimiste prognoosimisel. Töö tulemusena valitakse parim meetod ning katsetatakse valitud mudelit uute andmete korral.estopenAccessAttribution-NonCommercial-NoDerivatives 4.0 Internationalnärvivõrkneural networksotsustusmetsrandom forestprognostikapredictionüldistatud lineaarsed mudelidgeneralized linear modelstehisõpemachine learninginfo:eu-repo/semantics/masterThesis