Mahtali, AhlemZaidi, Fayçal2024-10-172024-10-172024http://dspace.univ-oeb.dz:4000/handle/123456789/20058Au cour de ce mémoire, nous avons conçu et développé une application pour la prédiction précoce du maladie rénale, afin de réduire le risque des complications de cette maladie sur la santé du patient. Pour atteindre cet objectif, nous avons utilisé des algorithmes d’apprentissage automatique supervisé (K nearest neighbors, Decision Trees, Random Forest, Support Vector Machine, Naïves Bayes, Regression logistique) et le data set extrait du l’hôpital Frankfurt (Allemagne). Les performances des classifieurs ont été comparées en fonction du taux de précision et la sensibilité de modéle. Les plus hauts taux de classification obtenus par l’application de Regression logistique et l’arbre de décision sont respectivement 95% et 96%, en appliquant la méthode d’évaluation train/test.frOther