An Adaptive Balancing and Threshold-Tuning Framework with Hybrid Feature Selection for Liver Disease Classification
Este artículo propone un marco de aprendizaje automático adaptativo que integra la Selección de Características Híbrida de Cinco Criterios con el Ajuste de Umbral y Balanceo Adaptativo para abordar eficazmente el desequilibrio de clases y la redundancia de características en la predicción de enfermedades hepáticas, logrando una alta sensibilidad y un rendimiento robusto en los conjuntos de datos ILPD y LDPD.