| Form of studies |
Bachelor |
| Title of the study programm |
Information Technology |
| Title in original language |
Datu analītikas un mašīnmācīšanās izmantošana menopauzes riska faktoru identificēšanai un to nozīmīguma izvērtēšanai |
| Title in English |
Identification and Assessment of Menopausal Risk Factors Using Data Analytics and Machine Learning |
| Department |
Faculty Of Computer Science Information Tehnology And Energy |
| Scientific advisor |
Inese Poļaka |
| Reviewer |
Olga Kotova |
| Abstract |
Menopauzes iestāšanos ietekmē vairāki savstarpēji saistīti demogrāfiskie, dzīvesveida un veselības faktori, kuru analīze ar tradicionālajām statistikas metodēm var būt laikietilpīga un sarežģīta. Darba mērķis ir identificēt menopauzes riska faktorus un izvērtēt to nozīmīgumu, izmantojot datu analītikas un mašīnmācīšanās pieejas. Pētījumā izmantoti strukturēti kvantitatīvi un kategoriski veselības un anketu dati. Prognozējošo modeļu izveidei izmantoti loģistiskās regresijas, lineārās regresijas un XGBoost mašīnmācīšanās metodes, kuru veiktspēja novērtēta, izmantojot veiktspējas metrikas rādītājus. Darba rezultāti apliecina mašīnmācīšanās metožu piemērotību menopauzes riska faktoru analīzē un prognozēšanā.
Dati par darba apjomu – 64 lappušu, 4 attēlu, 27 tabulu, 24 pielikumu, 23 izmantoto informācijas avotu
Atslēgas vārdi: mašīnmācīšanās, datu analīze, riska faktoru analīze, prognoze. |
| Keywords |
mašīnmācīšanās, datu analīze, riska faktoru analīze, prognoze |
| Keywords in English |
machine learning, data analysis, risk factor analysis, forecast |
| Language |
lv |
| Year |
2026 |
| Date and time of uploading |
25.05.2026 17:17:14 |
