Treffer: COVID-19 Detection via Blood Tests using an Automated Machine Learning Tool (Auto-Sklearn).

Widespread COVID-19 infections have sparked global attempts to contain the virus and eradicate it. Most researchers utilize machine learning (ML) algorithms to predict this virus. However, researchers face challenges, such as selecting the appropriate parameters and the best algorithm to achieve an accurate prediction. Therefore, an expert data scientist is needed. To overcome the need for data scientists and because some researchers have limited professionalism in data analysis, this study concerns developing a COVID-19 detection system using automated ML (AutoML) tools to detect infected patients. A blood test dataset that has 111 variables and 5644 cases was used. The model is built with three experiments using Python's Auto-Sklearn tool. First, an analysis of the Auto-Sklearn process is done by studying the impact of several learning settings and parameters on the COVID-19 dataset using different classification methods, namely metalearning, ensemble learning, and a combination of ensemble learning and metalearning. The results show that using Auto-Sklearn with a meta-learning and ensemble learning parameter model predicts the patients infected with COVID-19 with high accuracy, reaching 96%. Furthermore, the best algorithm selected is the Random Forest Classifier (RF), which outperforms other classification methods. Finally, AutoML can assist those new to data sciences or programming skills in selecting the appropriate algorithm and hyperparameters and reducing the number of steps required to achieve the best results. [ABSTRACT FROM AUTHOR]

أشعل انتشار عدوى -19COVID محاوالت عالمية الحتواء الفيروس والقضاء عليه بشكل مثالي. يستعمل معظم الباحثين خوارزميات التعلم اآللي )ML )للتنبؤ باالصابة من عدمها بهذا الفيروس. ومع ذلك ، يواجه الباحثون تحديات كثيرة، مثل اختيار المعامالت المناسبة وأفضل خوارزمية لتحقيق التنبؤ بصورة دقيقة. لذلك ، هناك حاجة إلى علماء البيانات. لغرض تقليل االعتماد على علماء البيانات، تهتم هذه الدراسة بتطوير نظام الكشف عن -19COVID باستخدام أدوات التعلم اآللي )AutoML )للكشف عن المرضى المصابين ً على اختبا ارت الدم الخاصة بهم بناء المتكونه من 111 عمود و 5644سطر. تم تطوير هذا النموذج باستعمال أداة Sklearn-Auto المتوفرة في Python. يتم إجراء تحليل لعملية التعلم التلقائي من خالل دراسة تأثير العديد من إعدادات ومعامالت التعلم على مجموعة بيانات -19COVID باستعمال طرق تصنيف و meta-learning من ومزيج meta-learning, ensemble learning وهي ، مختلفة learning ensemble. أظهرت النتائج أن استعمال Sklearn-Auto مع دمج معلمة Learning-Meta وlearning ensemble يتنبأ بالمرضى المصابين بـ -19COVID بدقة عالية تصل إلى 69 ٪ وأن أفضل ً خوارزمية مختارة هي (RF (ا ، يمكن لـ الذي يتفوق على الطرق األخرى المقترحة. أخير AutoML مساعدة المبتدئين في علوم البيانات أو مهارات البرمجة في اختيار الخوارزمية والمعامالت المناسبة وتقليل عدد الخطوات المطلوبة لتحقيق أفضل النتائج. [ABSTRACT FROM AUTHOR]

Copyright of Iraqi Journal of Science is the property of Republic of Iraq Ministry of Higher Education & Scientific Research (MOHESR) and its content may not be copied or emailed to multiple sites without the copyright holder's express written permission. Additionally, content may not be used with any artificial intelligence tools or machine learning technologies. However, users may print, download, or email articles for individual use. This abstract may be abridged. No warranty is given about the accuracy of the copy. Users should refer to the original published version of the material for the full abstract. (Copyright applies to all Abstracts.)