మా గ్రూప్ ప్రతి సంవత్సరం USA, యూరప్ & ఆసియా అంతటా 3000+ గ్లోబల్ కాన్ఫరెన్స్ ఈవెంట్లను నిర్వహిస్తుంది మరియు 1000 కంటే ఎక్కువ సైంటిఫిక్ సొసైటీల మద్దతుతో 700+ ఓపెన్ యాక్సెస్ జర్నల్లను ప్రచురిస్తుంది , ఇందులో 50000 మంది ప్రముఖ వ్యక్తులు, ప్రఖ్యాత శాస్త్రవేత్తలు ఎడిటోరియల్ బోర్డ్ సభ్యులుగా ఉన్నారు.
ఎక్కువ మంది పాఠకులు మరియు అనులేఖనాలను పొందే ఓపెన్ యాక్సెస్ జర్నల్స్
700 జర్నల్స్ మరియు 15,000,000 రీడర్లు ప్రతి జర్నల్ 25,000+ రీడర్లను పొందుతున్నారు
Fernanda Stremel
This study aimed to execute and assess machine learning based-models to anticipate COVID-19’ conclusion and malady seriousness. COVID-19 test tests (positive or negative comes about) from patients who gone to a single clinic were assessed. Patients analyzed with COVID-19 were categorised agreeing to the seriousness of the infection. Information were submitted to exploratory examination (vital component investigation, PCA) to distinguish exception tests, perceive designs, and recognize critical factors. Based on patients’ research facility tests come about, machine learning models were executed to foresee malady inspiration and seriousness. Manufactured neural systems (ANN), choice trees (DT), fractional slightest squares discriminant investigation (PLS-DA), and K closest neighbour calculation (KNN) models were utilized.