Change search
CiteExportLink to record
Permanent link

Direct link
Cite
Citation style
  • apa
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • Other style
More styles
Language
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Other locale
More languages
Output format
  • html
  • text
  • asciidoc
  • rtf
Går det prediktera demens?: En jämförande studie mellan Logistisk regression, Elastic Net och Random Forests
Umeå University, Faculty of Social Sciences, Umeå School of Business and Economics (USBE), Statistics.
Umeå University, Faculty of Social Sciences, Umeå School of Business and Economics (USBE), Statistics.
2018 (Swedish)Independent thesis Basic level (degree of Bachelor), 10 credits / 15 HE creditsStudent thesisAlternative title
Is it possible to predict dementia? : A comparative study between Logistic Regression,Elastic Net and Random Forests. (English)
Abstract [sv]

Denna studie tar avstamp i ett tidigare resultat av Boraxbekk et al. (2015) som genom data från Betula-projektet visat att vissa episodiska minnestester tillsammans med ålder ochutbildningsnivå har signifikanta samband med utvecklandet av demenssjukdomar. Syftet med denna studie är att jämföra klassificeringsmetoderna Random Forests, Elastic Net ochLogistisk Regression med avseende på prestationer vid klassificering av demens. I studien undersöks förutom det binära fallet (demens: ja/nej) prediktionsprestationer för utveckling av demens inom tidsspannen 1-10 år och 11-22 år. Detta för att undersöka om tidig diagnostisering av demens skulle vara möjlig. Prestationerna utvärderas även för situationen då de individer som avlidit inom de upp till 22 år de följts utgör en egen klass. Resultatet visar på att ingen av klassificeringsmetoderna presterar väl nog för att möjliggöra prediktion av demens på det givna datamaterialet och att skillnaderna i de resultat som metoderna genererar är väldigt små. Ingen större skillnad kan heller påvisas för prestationerna när tidsaspekten för utvecklandet utesluts. Inte heller kan några förbättringar i prediktion av demens utläsas när de personer som avlidit inom tidsramen för studien kontrollerats för.

Place, publisher, year, edition, pages
2018.
National Category
Probability Theory and Statistics
Identifiers
URN: urn:nbn:se:umu:diva-149728OAI: oai:DiVA.org:umu-149728DiVA, id: diva2:1224074
Available from: 2018-06-26 Created: 2018-06-26 Last updated: 2018-06-26Bibliographically approved

Open Access in DiVA

fulltext(11788 kB)15 downloads
File information
File name FULLTEXT01.pdfFile size 11788 kBChecksum SHA-512
c1145d1569500aca79582bb0f2be15e8c1cef8016f7af3de240fc56e017e757130bb4d7b5a866f3fb89b34bc7cc831b1e47e200b40c8c605bc17bb75d840cfc1
Type fulltextMimetype application/pdf

By organisation
Statistics
Probability Theory and Statistics

Search outside of DiVA

GoogleGoogle Scholar
Total: 15 downloads
The number of downloads is the sum of all downloads of full texts. It may include eg previous versions that are now no longer available

urn-nbn

Altmetric score

urn-nbn
Total: 47 hits
CiteExportLink to record
Permanent link

Direct link
Cite
Citation style
  • apa
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • Other style
More styles
Language
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Other locale
More languages
Output format
  • html
  • text
  • asciidoc
  • rtf