- Author
- Mazurek Marcin (Wojskowa Akademia Techniczna w Warszawie), Walkiewicz Łukasz (Wojskowa Akademia Techniczna w Warszawie)
- Title
- Wykorzystanie języka PMML w systemach wspomagania decyzji medycznych
The usage of PMML in health care predictive analytics - Source
- Roczniki Kolegium Analiz Ekonomicznych / Szkoła Główna Handlowa, 2015, nr 38, s. 411-424, rys., bibliogr. 21 poz.
- Keyword
- Big Data, Komputerowy system przetwarzania danych, Architektura sieci, Medycyna
Big Data, Data processing system, Architecture of network, Medicine - Note
- streszcz., summ
- Abstract
- Modele predykcyjne budowane na podstawie zgromadzonych danych opisujących przypadki medyczne mogą być istotnym wsparciem diagnostyki medycznej. Historyczne dane mogą stanowić zasób, który posłuży do wyodrębnienia wiedzy dotyczącej reguł diagnozowania czy najskuteczniejszych sposobów terapii. Repozytoria Big Data stwarzają możliwość gromadzenia i przetwarzania dużych wolumenów danych. Większa liczba rekordów może prowadzić do wypracowania modeli predykcyjnych, które będą cechowały się większą dokładnością, jednak wiąże się to jednocześnie z większą złożonością architektury systemu. (fragment tekstu)
The Big Data technology makes it possible to process huge volumes of data which can be utilized to build better predictive models in health care. There are some tools and libraries that support data scientist in Big Data analytics, but they are poorly standardized. As a consequence, any concept of architecture should be proved by means of prototyping. The paper presents the implementation of the Big Data analytical environment, where operationalization of the predictive models is achieved by utilizing the PMML standard. Key elements of the PMML specification are presented along with the open-source components upon which the system is built.(original abstract) - Accessibility
- The Library of Warsaw School of Economics
The Main Library of Poznań University of Economics and Business - Bibliography
-
- Bifet A., Fan W., Mining Big Data: Current Status and Forecast to the Future, "SIGKDD Explorations", 2013, vol. 14, issue 2, s. 1-5.
- Capriolo E., Wampler D., Rutherglen J., Programming Hive, O'Reilly Media Inc., Cambridge 2012.
- Guazzelli A., Stathatos K., Zeller M., Efficient Deployment of Predictive Analytics through Open Standards and Cloud Computing, "ACM SIGKDD Explorations Newsletter" 2009, vol. 11,issue 1, June, s. 32-38.
- Lantz B., Machine Learning with R, PACKT Publishing, Birmingham 2013.
- Mazurek M., Architektura systemu wspomagania decyzji medycznych wykorzystująca technologię przetwarzania danych Big Data, "Roczniki" Kolegium Analiz Ekonomicznych, z. 35, Oficyna Wydawnicza SGH, Warszawa 2014.
- Savage N., Better Medicine Through Machine Learning, "Communications of the ACM" 2012, vol. 55, no. 1, s. 17-19.
- White T., Hadoop: The Definite Guide, O'Reilly Media Inc., Cambridge 2012.
- https://github.com/jpmml.
- https://github.com/RevolutionAnalytics/RHadoop/wiki/rhdfs.
- http://hadoop.apache.org.
- http://mahout.apache.org.
- http://nexr.github.io/RHive.
- http://seer.cancer.gov/data.
- http://zementis.com/products/adapa.
- http://www.cancer.gov/aboutnci.
- http://www.cascading.org/projects/pattern.
- http://www.dmg.org.
- http://www.dmg.org/v4-2-1/GeneralStructure.html.
- http://www.revolutionanalytics.com.
- http://www.r-project.org.
- http://www.rstudio.com.
- Cited by
- ISSN
- 1232-4671
- Language
- pol
