Một số giải thuật phân lớp dữ liệu ứng dụng dự đoán kỹ năng sử dụng máy tính của nhân viên y tế tại nho quan

BỘ GIÁO DỤC VÀ ĐÀO TẠO TRẦN ĐỨC ANH TRƢỜNG ĐẠI HỌC MỞ HÀ NỘI LUẬN VĂN THẠC SỸ CÔNG NGHỆ THÔNG TIN CHUYÊN NGÀNH: CÔNG NGHỆ THÔNG TIN MỘT SỐ GIẢI THUẬT PHÂN LỚP DỮ LIỆU, ỨNG DỤNG DỰ ĐỐN KỸ NĂNG SỬ DỤNG MÁY TÍNH CỦA NHÂN VIÊN Y TẾ TẠI NHO QUAN TRẦN ĐỨC ANH 2016 - 2018 HÀ NỘI - 2019 BỘ GIÁO DỤC VÀ ĐÀO TẠO TRƢỜNG ĐẠI HỌC MỞ HÀ NỘI LUẬN VĂN THẠC SỸ MỘT SỐ GIẢI THUẬT PHÂN LỚP DỮ LIỆU, ỨNG DỤNG DỰ ĐỐN KỸ NĂNG SỬ DỤNG MÁY TÍNH CỦA NHÂN VIÊN Y TẾ TẠI NHO QUAN TRẦN ĐỨC ANH CHUYÊN NGÀNH : CÔNG NGHỆ THÔNG TIN MÃ SỐ: 8.48.02.01 NGƢỜI HƢỚNG DẪN KHOA HỌC: PGS.TS NGUYỄN QUANG HOAN HÀ NỘI - 2019 LỜI CAM ĐOAN Tôi cam đoan cơng trình nghiên cứu riêng tơi Các số liệu, kết nêu luận văn trung thực chƣa đƣợc công bố cơng trình khác Hà Nội, ngày 01 tháng năm 2019 HỌC VIÊN Trần Đức Anh i LỜI CẢM ƠN Em xin chân thành cảm ơn khoa Công nghệ Thông tin, khoa Đào tạo Sau đại học – Trƣờng Đại học Mở Hà Nội tạo điều kiện thuận lợi giúp em hoàn thành luận văn Em xin chân thành cảm ơn hƣớng dẫn, bảo tận tình PGS.TS Nguyễn Quang Hoan suốt thời gian thực đề tài, cảm ơn thầy dành thời gian giúp đỡ em để hồn thành đƣợc luận văn Xin cảm ơn anh chị học viên lớp cao học Cơng nghệ Thơng tin khóa 2016 - 2018 ủng hộ, giúp đỡ động viên thời gian học tập nghiên cứu Cuối xin cảm ơn ngƣời thân yêu nhất, ngƣời động viên giúp đỡ em mặt, hoàn cảnh Qua thời gian tác giả hoàn thành luận văn tốt nghiệp với đề tài “Một số giải thuật phân lớp liệu, ứng dụng dự đốn kỹ sử dụng máy tính nhân viên y tế Nho Quan” Tuy cố gắng nhƣng chắn khơng tránh khỏi thiếu sót Kính mong nhận đƣợc thơng cảm đóng góp ý kiến quý thầy bạn học viên ii MỤC LỤC LỜI CAM ĐOAN i LỜI CẢM ƠN ii MỤC LỤC iii DANH MỤC CÁC THUẬT NGỮ, CHỮ VIẾT TẮT v DANH SÁCH BẢNG vi DANH SÁCH HÌNH VẼ vii LỜI MỞ ĐẦU .8 CHƢƠNG PHÂN LỚP DỮ LIỆU 1 Khái quát phân lớp liệu .3 Các vấn đề liên quan đến phân lớp liệu Chuẩn bị liệu cho việc phân lớp 2 So sánh mô hình phân lớp Một số phƣơng pháp đánh giá độ xác mơ hình phân lớp Phát biểu toán luận văn 11 Kết luận chƣơng 11 CHƢƠNG GIẢI THUẬT NAÏVE BAYES VÀ MẠNG NƠ-RON NHÂN TẠO 12 Giải thuật Naïve Bayes 12 1 Ý tƣởng mục đích giải thuật 12 2 Giải thuật Naïve Bayes 12 Ví dụ minh họa cho giải thuật Naïve Bayes 13 2 Mạng nơ-ron nhân tạo 15 2 Mạng nơ-ron nhân tạo gì? 16 2 Nơ-ron sinh vật 23 iii 2 Nơ-ron nhân tạo 26 2 Mạng nơ-ron Perceptron lớp đơn 36 2 Mạng nơ-ron Adaline 37 2 Mạng nơ-ron truyền thẳng nhiều lớp thuật toán lan truyền ngƣợc 39 Đánh giá hiệu thuật tốn Nạve Bayes lan truyền ngƣợc sử dụng ma trận nhầm lẫn 52 Kết luận chƣơng 54 CHƢƠNG DỰ ĐOÁN KỸ NĂNG SỬ DỤNG MÁY TÍNH CỦA NHÂN VIÊN Y TẾ TẠI NHO QUAN 56 Khảo sát thu thập liệu 56 Xử lý liệu 56 3 Giới thiệu số ngôn ngữ khai phá liệu 59 3 Giới thiệu ngôn ngữ R 59 3 Giới thiệu phần mềm Weka 59 Phân lớp liệu nhân viên y tế sử dụng giải thuật Naïve Bayes 60 Áp dụng giải thuật 60 Kiểm thử phần mềm Weka 65 Kiểm thử với file mẫu 68 Phân lớp liệu nhân viên y tế sử dụng mạng nơ-ron 68 Kết luận chƣơng 71 KẾT LUẬN .73 DANH MỤC CÁC TÀI LIỆU THAM KHẢO 75 PHỤ LỤC 77 iv DANH MỤC CÁC THUẬT NGỮ, CHỮ VIẾT TẮT STT Từ viết tắt Tiếng Anh ACC Accuracy ADLINE ADAptive Linear Neural ANN BM BP EP FDR FN Artificial Neural Network Bookmaker Informedness Back Propagation Evolutionary Programming False Discovery Rate False Negative FNR False Negative Rate 10 11 12 13 FOR FP FPR GAs 14 IJCNN 15 LMS 16 MCC 17 18 19 20 21 22 23 24 25 26 MK MLP N NPV P PPV TN TNR TP TPR 27 VLSI False Omission Rate False Positive False Positive Rate Genetic Algorithms International Joint Conference on Neural Networks Least Mean Square Matthews Correlation Coefficient Markedness MultiLayer Perceptron Negative Negative Predictive Value Positive Positive Predictive Value True Nagative True Nagative Rate True Positive True Positive Rate Very - Large - Scale – Integrated v Tiếng Việt Độ xác Mạng tuyến tính thích nghi đơn lớp Mạng nơ-ron nhân tạo Chỉ tiêu BM Lan truyền ngƣợc Lập trình tiến hóa Tỷ lệ khám phá sai Nhầm sang âm Tỷ lệ bỏ lỡ tỷ lệ nhầm sang âm Tỷ lệ bỏ sót sai Nhầm sang dƣơng Tỷ lệ dƣơng giả (rơi ra) Giải thuật di truyền Hội nghị tồn cầu chun ngành nơ-ron Trung bình phƣơng nhỏ Hệ số tƣơng quan Matthews Đánh dấu Mạng truyền thẳng nhiều lớp Số mẫu âm Giá trị tiên đoán âm Số mẫu dƣơng Giá trị tiên đoán dƣơng Thực âm Tỷ lệ thực âm Thực dƣơng Tỷ lệ thực dƣơng DANH SÁCH BẢNG Bảng 2.1: Tập liệu học weather 14 Bảng 2.2: Tập liệu dự đoán weather 14 Bảng 2.3: Xác suất tập liệu weather 14 Bảng 2.4: Một số hàm h(s) thƣờng dùng cho mơ hình nơ-ron nhân tạo 27 Bảng 2.5: Một số hàm phi tuyến thƣờng dùng 27 Bảng 2.6: Ma trận nhầm lẫn tiêu đánh giá [5] 53 Bảng 3.1: Bảng đặc trƣng đầu vào, đầu 57 Bảng 3.2: Tập liệu mẫu 58 Bảng 3.3: Bảng liệu học máy .60 Bảng 3.4: Bảng liệu mẫu tin cần dự báo 61 Bảng 3.5: Bảng xác suất tập liệu nhân viên y tế 61 Bảng 3.6: Bảng liệu mẫu tin đƣợc gán nhãn 65 Bảng 3.7: So sánh phƣơng pháp đánh giá độ xác phân lớp cho Naïve Bayes 67 Bảng 3.8: So sánh phƣơng pháp đánh giá độ xác phân lớp cho mạng nơ-ron lan truyền ngƣợc 70 vi DANH SÁCH HÌNH VẼ Hình 1.1 Q trình phân lớp liệu - Bƣớc xây dựng mơ hình phân lớp .4 Hình 1.2 Quá trình phân lớp liệu - Ƣớc lƣợng độ xác mơ hình Hình 1.3 Quá trình phân lớp liệu - Phân lớp liệu .6 Hình 1.4 Ƣớc lƣợng độ xác mơ hình phân lớp với phƣơng pháp holdout 10 Hình 2.1 Nơ-ron sinh vật 24 Hình 2.2 Nơ-ron nhân tạo 26 Hình 2.3 Phân loại mạng nơ-ron 29 Hình 2.4 Các dạng học .31 Hình 2.5 Mạng Perceptron lớp đơn 36 Hình 2.6 Mạng truyền thẳng nhiều lớp 40 Hình 2.7 Cấu trúc mạng lan truyền ngƣợc .44 Hình 2.8 Hàm Sigmoid g(x) = 1/(1 + exp(-x)) .50 Hình 3.1 Kết phân lớp liệu Naïve Bayes sử dụng phƣơng pháp đánh giá k-cross-vadication .66 Hình 3.2 Kết phân lớp liệu Naïve Bayes sử dụng phƣơng pháp đánh giá holdout 67 Hình 3.3 Kết kiểm thử file mẫu Naïve Bayes 68 Hình 3.4 Kết phân lớp liệu mạng nơ-ron lan truyền ngƣợc sử dụng phƣơng pháp đánh giá k-cross-vadication 69 Hình 3.5 Mơ hình kết thực nghiệm Weka sử dụng phƣơng pháp đánh giá k-cross vadication 69 Hình 3.6 Kết phân lớp liệu mạng nơ-ron lan truyền ngƣợc sử dụng phƣơng pháp đánh giá holdout 70 Hình 3.7 Mơ hình kết thực nghiệm Weka sử dụng phƣơng pháp đánh giá holdout .70 Hình 3.8 Kết kiểm thử file mẫu mạng nơ-ron lan truyền ngƣợc 71 vii LỜI MỞ ĐẦU Công nghệ thông tin đƣợc đƣa vào ứng dụng ngành y tế từ sớm Trong gần 20 năm qua, Bộ Y tế có nhiều ứng dụng cơng nghệ thơng tin mặt hoạt động y tế từ trung ƣơng đến địa phƣơng Đến Bộ Y tế có tổ chức đạo hoạt động công nghệ thông tin từ quan đến đơn vị Ngoài việc áp dụng thành công phần mềm hỗ trợ kỹ thuật y học tiên tiến nhƣ mổ nội soi, chụp cắt lớp, cộng hƣởng từ hạt nhân, việc ứng dụng công nghệ thông tin công tác quản lý y tế sở trở thành nhu cầu cấp bách nhằm nâng cao chất lƣợng khám chữa bệnh, giảm bớt thủ tục hành chính, tạo điều kiện thuận lợi, giảm phiền hà cho ngƣời bệnh; thuận lợi cho quản lý điều hành, theo dõi, kiểm soát Giám đốc Trung tâm Y tế Nhƣ nói giải đƣợc tốn ứng dụng cơng nghệ thơng tin quản lý góp phần giải toán quản lý khác Tuy nhiên, với lực trình độ tin học nhân viên y tế hạn chế, việc áp dụng công nghệ thông tin vào công tác quản lý, khám chữa bệnh cịn nhiều bất cập, chƣa có tiêu chí để đánh giá nhân viên đáp ứng đƣợc việc áp dụng công nghệ thông tin cách xác, cịn mang tính cảm tính Từ vấn đề trên, tác giả tìm hiểu, nghiên cứu áp dụng thử giải thuật Naïve Bayes Neural Network (mạng nơ-ron) theo phƣơng pháp học máy với hy vọng tìm quy luật, đặc trƣng tác động đến khả đáp ứng đƣợc phần mềm khám, chữa bệnh nhân viên y tế, từ giúp cho Ban lãnh đạo có phƣơng pháp phù hợp, bồi dƣỡng nhân viên có kĩ cịn yếu tin học, thúc đẩy phát triển nâng cao trình độ nhân viên làm tốt Luận văn nghiên cứu tổng quan cơng nghệ phân lớp liệu nói chung phân lớp liệu dựa giải thuật Naïve Bayes mạng nơ-ron nói riêng Phân viii Hình 3.1 Kết phân lớp liệu Naïve Bayes sử dụng phƣơng pháp đánh giá k-cross-vadication  Trường hợp : Sử dụng phương pháp holdout Lấy ngẫu nhiễn 70% liệu liệu tập huấn, lại liệu kiểm tra Kết ta đƣợc nhƣ sau: 66 Hình 3.2 Kết phân lớp liệu Naïve Bayes sử dụng phƣơng pháp đánh giá holdout Dựa vào kết trên, ta phân tích số thơng số: Bảng 3.7 So sánh phƣơng pháp đánh giá độ xác phân lớp cho Nạve Bayes Thơng số TP số dự đoán dƣơng (YES) TN số dự đoán âm (NO) FP số dự đoán sai dƣơng (YES) FN số dự đoán sai âm (NO) ACC độ xác: Tỉ suất sai trung bình: TPR(No) Tỉ suất NO TPR(Yes) Tỉ suất YES FPR Tỉ số sai từ Yes sang NO FPR Tỉ số sai từ No sang YES Precision Giá trị tiên đốn xác Recall Độ thu hồi F-Measure Độ trung bình hài hịa Holdout 10 25 83.33% 16.67% 0.962 0.625 0.375 0,038 0.909 0.625 0.741 10 Folds 37 89 11 90% 10% 0.967 0.771 0.229 0,033 0.925 0.771 0.841 Nhận xét: Tỷ suất TPR (NO) TPR (YES) phƣơng pháp đánh giá mơ hình liệu gần nhƣ tƣơng đƣơng Tuy nhiên, phƣơng pháp k-folds 67 cross-validation cho độ xác cao so với phƣơng pháp holdout (90% so với 83.33%) Kiểm thử với file mẫu Sử dụng file mẫu nhƣ bảng 3-4, ta đƣợc kết kiểm thử: Hình 3.3 Kết kiểm thử file mẫu Naïve Bayes Nhận xét: Kết hồn tồn trùng khớp với tính tốn mục 3.4.2 Phân lớp liệu nhân viên y tế sử dụng mạng nơ-ron File liệu đầu vào dƣới định dạng „.csv‟, gồm 140 ghi Phụ lục  Trường hợp : Sử dụng phương pháp k-folds cross-validation với k = 10 68 Hình 3.4 Kết phân lớp liệu mạng nơ-ron lan truyền ngƣợc sử dụng phƣơng pháp đánh giá k-cross-vadication Hình 3.5 Mơ hình kết thực nghiệm Weka sử dụng phƣơng pháp đánh giá k-cross vadication  Trường hợp : Sử dụng phương pháp holdout Lấy ngẫu nhiễn 70% liệu liệu tập huấn, lại liệu kiểm tra Kết ta đƣợc nhƣ sau: 69 Hình 3.6 Kết phân lớp liệu mạng nơ-ron lan truyền ngƣợc sử dụng phƣơng pháp đánh giá holdout Hình 3.7 Mơ hình kết thực nghiệm Weka sử dụng phƣơng pháp đánh giá holdout Dựa vào kết trên, ta phân tích số thông số : Bảng 3.8 So sánh phƣơng pháp đánh giá độ xác phân lớp cho mạng nơ-ron lan truyền ngƣợc Thơng số TP số dự đốn dƣơng (YES) TN số dự đoán âm (NO) FP số dự đoán sai thành dƣơng (YES) FN số dự đoán sai thành âm (NO) 70 Holdout 16 26 0 10 Folds 46 92 ACC độ xác: Tỉ suất sai trung bình: TPR(No) Tỉ suất NO TPR(Yes) Tỉ suất YES FPR Tỉ số sai từ Yes sang NO FPR Tỉ số sai từ No sang YES Precision Giá trị tiên đốn xác Recall Độ thu hồi F-Measure Độ trung bình hài hịa 100% 0% 1 0 1 98.57% 1.43% 0.958 0.042 0.958 0.979 Nhận xét: Trong mạng nơ-ron, phƣơng pháp holdout cho tỉ lệ xác tuyệt đối (100%), phƣơng pháp k-fold cross-validation có độ xác cao (98.57%), cao hẳn phân lớp giải thuật Naïve Bayes  Kiểm thử với file mẫu Sử dụng file mẫu nhƣ bảng 3.5, ta đƣợc kết kiểm thử Hình 3.8 Kết kiểm thử file mẫu mạng nơ-ron lan truyền ngƣợc Nhận xét: Kết hoàn toàn trùng khớp với tính tốn mục 3.4.2 trùng khớp với kết kiểm thử sử dụng giải thuật Naïve Bayes Kết luận chƣơng Sau thực tốn dự đốn kỹ sử dụng máy tính nhân viên y tế huyện Nho Quan, kết thực nghiệm thu đƣợc trình thử nghiệm công cụ dự báo luận văn đƣợc điều sau: 71 - Chƣơng trình cài đặt dễ dàng, nhanh chóng, hoạt động ổn định, hiển thị kết nhanh thuận tiện cho ngƣời dùng - Mạng nơ-ron nhân tạo có tính ứng dụng đa dạng, hiệu tốn dự báo Nạve Bayes có độ xác tƣơng đối cao nhƣng lại phụ thuộc vào giả thiết tính độc lập yếu tố - Mức độ xác mơ hình phụ thuộc vào nhiều thơng số, nhiên lại chƣa có phƣơng pháp để xác định đƣợc xác định tính nhƣ định lƣợng thông số Ta phải thông qua phƣơng pháp thực nghiệm để xác định giá trị thơng số tối ƣu - Thực thi tốn phân lớp với liệu đầu vào Danh sách nhân viên y tế huyện Nho Quan (Phụ lục) kết nhận đƣợc có độ xác cao Từ ta tƣ vấn với ban lãnh đạo Trung tâm Y tế huyện Nho Quan có nhìn khách quan kỹ sử dụng máy tính nhân viên y tế, từ đƣa hƣớng giải cách triệt để 72 KẾT LUẬN Trong khn khổ khóa luận tốt nghiệp này, tác giả nghiên cứu, phân tích, đánh giá giải thuật phân lớp liệu, tiêu biểu hai giải thuật Naïve Bayes mạng nơ-ron truyền thẳng lan truyền ngƣợc Naïve Bayes mạng nơ-ron truyền thẳng lan truyền ngƣợc có cách thức lƣu trữ liệu xây dựng dựa độ đo khác Do hai giải thuật có phạm vi ứng dụng vào sở liệu có kích thƣớc khác Q trình triển khai, chạy thử nghiệm với đánh giá hiệu mơ hình phân lớp Nạve Bayes mạng nơ-ron truyền thẳng lan truyền ngƣợc đƣợc tiến hành phần mềm Weka thu đƣợc nhiều kết có ý nghĩa thực tiễn, nhƣ kết gợi mở hƣớng nghiên cứu Các đóng góp luận văn: - Luận văn nghiên cứu tổng quan hai giải thuật Naïve Bayes mạng nơ-ron nhân tạo, sâu vào nghiên cứu mạng nơ-ron lan truyền thẳng, huấn luyện thuật toán lan truyền ngƣợc sai số nhằm đạt tới kết tốt cho toán tối ƣu trọng số mạng nơ-ron nhân tạo - Luận văn kiểm nghiệm, đánh giá độ hiệu hai giải thuật Naïve Bayes lan truyền ngƣợc, ứng dụng để dự đốn kỹ sử dụng máy tính nhân viên y tế huyện Nho Quan Từ đƣa đề xuất, kiến nghị phù hợp Ban lãnh đạo nhằm giải tình trạng tin học nơi công sở Hƣớng phát triển tiếp theo: - Những kết thực nghiệm khả quan dựa nghiên cứu ứng dụng mạng nơ-ron nhân tạo với thuật toán học lan truyền ngƣợc sai số toán dự đốn kỹ sử dụng máy tính nhân viên y tế Nho Quan cho thấy mơ hình hiệu Vì vậy, hƣớng phát triển luận văn cải tiến phƣơng pháp dự báo để có kết xác - Tiếp tục nghiên cứu phạm vi toán để mở rộng tốn tồn tỉnh Ninh Bình nƣớc 73 - Nghiên cứu thực số ngơn ngữ lập trình khác áp dụng vào tốn để so sánh kết đảm bảo tính đắn trung thực kết đạt đƣợc - Sử dụng phƣơng thức suy diễn khác để đánh giá kết toán dự đoán 74 DANH MỤC CÁC TÀI LIỆU THAM KHẢO Tài liệu Tiếng Việt [1] Đỗ Hồng Tồn (2006), Giáo trình lý thuyết nhận dạng ứng dụng quản lý, Nhà xuất Khoa học Kỹ thuật [2] Đỗ Thanh Nghị (2011), Khai mỏ liệu, giáo trình, Nhà xuất Đại học Cần Thơ [3] Đỗ Thanh Nghị, Phạm Nguyên Khang (2012), Nguyên lý máy học, giáo trình, Nhà xuất Đại học Cần Thơ [4] Nguyễn Quang Hoan (2015), Các hệ dựa tri thức, giáo trình, Học viên Cơng nghệ Bƣu Viễn thơng [5] Nguyễn Quang Hoan, Lê Thị Tuyết Mây, Nguyễn Mạnh Tuân, Nguyễn Ngọc Ánh (2017), “Phân lớp học sinh phân loại nhân viên sử dụng thuật tốn học máy”, Tạp chí Khoa học công nghệ, Số 16 Tháng 12/2017, tr 50 – 56 [6] Nguyễn Quang Hoan, Lý Đông Hà, Ngô Xuân Trang, Lê Công Hiếu (2017), “Ứng dụng mạng nơ ron nhân tạo nhận dạng dự báo”, Tạp chí Khoa học Công nghệ, Số 16 Tháng 12/2017, tr 57 – 63 [7] Nguyễn Văn Trịnh (2012), Ứng dụng mạng nơ-ron dự báo tỷ lệ nghỉ học, Viện Toán Ứng dụng Tin học - Đại học Bách khoa Hà Nội [8] Phan Văn Hiền (2013), Giáo trình mạng nơ-ron, Đại học Bách Khoa Đà Nẵng [9] Trần Đức Minh (2002), Ứng dụng mạng nơ-ron truyền thẳng dự báo liệu, Viện Công nghệ Thông tin Tài liệu Tiếng Anh [10] Anurag Srivastava, Eui- Hong Han, Vipin Kumar, Vieet Singh (1998), Parallel Formulations of Decision-Tree Classification Algorithm, Kluwer Academic Publisher 75 [11] David Silverman, Jonh A Dracup (2000), “Artificial Neural Networks and Long-Range Precipitation Prediction in California”, Journal of Applied Meteorology, vol 39 (Jan 2000), pp 57-66 [12] Manish Mehta, Rakesh Agrawal, Jorma Rissanen (1996), SLIQ: A Fast Scalable Classifier for Data mining, IBM Amaden Research Center [13] Miss Deepa S Deulkar & Prof R R Deshmukh (2016), Data Mining Classification, Imperial Journal of Interdisciplinary Research (IJIR) Vol-2, Issue-4, 2016 ISSN: 2454-1362, H.V.P.M COET, Amaravati, India [14] Jiawei Han, Micheline Kamber, Jian Pei (2000), Data mining- Concepts and Techniques, Third Edition, Chapter 7-Classification and Prediction Series Editor Morgan Kaufmann Publishers, August 2000 [15] Hopfield, J.J (1982), “Neural Networks and Physical Systems with Emergent Collective Computational Abilities”, Proceeding of Natural Academic Sciences, USA, vol 79, pp 2.554 – 2.558 [16] Robert J Schallkoff (1997), Artificial Neural Networks, The McGraw – Hill Companies, Inc 1997 [17] ShwetaKharya, SunitaSoni (2016), Weighted Naive Bayes Classifier: A Predictive Model for Breast Cancer Detection, International Journal of Computer Applications (0975 – 8887) Volume 133 – No.9, January 2016, Bhilai Institute of Technology, Durg C.G India Website tham khảo [18] Đỗ Văn Lâm (2011), Tổng quan phương pháp dự báo, http://www.hids.hochiminhcity.gov.vn/web/guest/ly-thuyet-phuc-vu-nghien-cuu [19] Vũ Đức Lung, tập giảng Machine Learning & Neural Networks, Lecture 03 – Neural Networks, http://sites.google.com/site/vdlung/mlnn 76 PHỤ LỤC CƠ SỞ DỮ LIỆU ĐẦY ĐỦ NHÂN VIÊN Y TẾ TẠI NHO QUAN STT Họ tên Bùi Cao Trữ Bùi Khắc Trì Bùi Ngọc Thành Bùi Thanh Ngoan Bùi Thị Ánh Hồng Bùi Thị Duyên Bùi Thị Hà Bùi Thị Huân Bùi Thị Huyền 10 Bùi Thị Lan 11 Bùi Thị Lan Phƣơng 12 Bùi Thị Lệ Mỹ 13 Bùi Thị Thanh 14 Bùi Thị Thúy Tần 15 Bùi Văn Hiếu 16 Bùi Văn Mạnh 17 Bùi Xuân Nhân 18 Chu Thị Thảo 19 Đặng Xuân Việt 20 Đào Thị Tâm 21 Đinh Văn Hải 22 Đinh Diễm Hƣơng 23 Đinh Phƣợng Hoan 24 Đinh Thanh Hòa 25 Đinh Thị Ánh Tuyết 26 Đinh Thị Hiển 27 Đinh Thị Huyền 28 Đinh Thị Lan 29 Đinh Thị Lành 30 Đinh Thị Mai Hồng 31 Đinh Thị Phƣợng 32 Đinh Thị Thắm 33 Đinh Thị Thêm DT GT TDCM CV 30- Nam DD No 50+ Nam DD No 30-50 Nam BS No 30-50 Nu BS No 50+ Nu DD Yes 50+ Nu DD Yes 30-50 Nu YS No 50+ Nu BS Yes 50+ Nu BS Yes 50+ Nu YS Yes 30- Nu BS No 30- Nu DD No 30- Nu BS No 50+ Nu BS No 50+ Nam YS No 30-50 Nam DD No 50+ Nam BS Yes 50+ Nu YS No 50+ Nam BS No 30-50 Nu DD No 30- Nam DD No 30-50 Nu YS No 30-50 Nu BS No 50+ Nam DD Yes 30- Nu DD No 50+ Nu BS No 50+ Nu YS Yes 30-50 Nu YS No 30-50 Nu YS No 50+ Nu DD No 30- Nu YS No 50+ Nu BS No 30- Nu BS No 77 CCTH No Yes Yes No No Yes Yes Yes No Yes Yes No No No Yes No Yes No No No Yes Yes Yes No Yes No No No Yes No Yes Yes No MDLV No No Thinhthoang Thuongxuyen Thinhthoang Thinhthoang Thinhthoang Thuongxuyen No Thuongxuyen Thinhthoang Thuongxuyen No No Thinhthoang No No Thinhthoang Thuongxuyen No Thuongxuyen Thuongxuyen Thuongxuyen Thinhthoang Thuongxuyen Thuongxuyen Thinhthoang Thuongxuyen No Thuongxuyen No Thuongxuyen Thuongxuyen KQ NO NO NO YES NO NO NO YES NO YES YES NO NO NO NO NO NO NO YES NO NO YES YES NO NO YES NO YES NO NO NO YES YES 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 Đinh Thị Thu Vân Đinh Thị Tuyết Đinh Thị Vinh Đinh Thu Hƣơng Đinh Văn Lữ Đinh Văn Mạnh Đinh Văn Quỳnh Đinh Văn Sinh Đinh Văn Toản Đinh Văn Tới Đinh Văn Vân Đỗ Mạnh Thƣờng Đỗ Thị Huế Đỗ Thị Khánh Đỗ Thị Trang Hà Minh Bách Hà Thị Loan Hồ Phƣơng Thúy Hoàng Anh Tuấn Hoàng Kim Thoa Hồng Ngọc Trí Hồng Ngọc Triển Hồng Thị Vinh Hoàng Văn Ty Hoàng Xuân Quyên Hứa Văn Kỷ Lê Thị Kim Hƣơng Lê Thị Lan Lê Thị Lan Lê Thị Lệ Lê Thị Thu Hà Lê Thị Thu Hƣơng Lê Trung Tín Mai Văn Phúc Nguyễn Bình Tú Nguyễn Đức Hậu Nguyễn Hải Long Nguyễn Hoàng Anh 30-50 Nu 30- Nu 50+ Nu 30-50 Nu 50+ Nam 30-50 Nam 30- Nam 50+ Nam 50+ Nam 30-50 Nam 30-50 Nam 30-50 Nam 30-50 Nu 50+ Nu 50+ Nu 30- Nam 30-50 Nu 50+ Nu 30- Nam 30-50 Nu 30-50 Nam 50+ Nam 30-50 Nu 30-50 Nam 30-50 Nam 50+ Nam 30- Nu 50+ Nu 50+ Nu 30-50 Nu 30- Nu 50+ Nu 30-50 Nam 50+ Nam 50+ Nam 30-50 Nam 30- Nam 30-50 Nam DD BS YS YS BS DD DD BS BS BS YS DD BS BS YS DD BS BS BS YS BS DD DD YS YS YS BS BS DD BS BS DD YS YS BS YS BS BS 78 No No No Yes No No No Yes No No No No Yes No No No Yes No No Yes No No No No No No No Yes No No No Yes No No Yes Yes No Yes Yes No Yes Yes No Yes Yes Yes No No No Yes Yes No No No Yes Yes Yes Yes No Yes No Yes No No Yes Yes Yes No Yes Yes Yes Yes Yes Yes No Yes Thuongxuyen Thinhthoang No Thuongxuyen Thinhthoang No Thinhthoang Thinhthoang No Thinhthoang No Thuongxuyen Thuongxuyen Thinhthoang Thuongxuyen Thinhthoang Thinhthoang Thinhthoang Thinhthoang Thinhthoang Thuongxuyen Thuongxuyen Thinhthoang Thinhthoang Thinhthoang No No No No Thinhthoang Thuongxuyen Thuongxuyen No Thuongxuyen Thuongxuyen Thuongxuyen No Thuongxuyen NO YES NO YES NO NO NO NO NO NO NO NO YES NO YES NO YES NO YES YES YES NO NO NO NO NO NO NO NO NO YES YES NO YES YES YES NO YES 72 73 74 75 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90 91 92 93 94 95 96 97 98 99 100 101 102 103 104 105 106 107 108 109 Nguyễn Hồng Thuỷ Nguyễn Hùng Cƣờng Nguyễn Hữu Bạn Nguyễn Khoa Diệu Nguyễn Mạnh Hƣng Nguyễn Minh Thƣơng Nguyễn Minh Tuyết Nguyễn Nam Phong Nguyễn Quốc Huy Nguyễn Quốc Huy Nguyễn Thanh Hà Nguyễn Thanh Thảo Nguyễn Thế Anh Nguyễn Thị Cúc Nguyễn Thị Hà Nguyễn Thị Hiền Nguyễn Thị Hoa Nguyễn Thị Huế Nguyễn Thị Huế Nguyễn Thị Lan Nguyễn Thị Liên Nguyễn Thị Nhàn Nguyễn Thị Phƣơng Nguyễn Thị Sửu Nguyễn Thị Tuyết Nguyễn Trọng Khải Nguyễn Tuấn Vũ Nguyễn Văn Ban Nguyễn Văn Đức Nguyễn Văn Hiền Nguyễn Văn Thiệu Nguyễn Xuân Bách Nguyễn Xuân Mậu Phạm Đình Hải Phạm Hạnh Hoa Phạm Kiên Cƣờng Phạm Ngọc Hoa Phạm Thị Hồng 50+ Nam 30- Nam 30-50 Nam 50+ Nam 30- Nam 30- Nam 30-50 Nu 30- Nam 30-50 Nam 50+ Nam 30-50 Nam 30-50 Nu 50+ Nam 30- Nu 50+ Nu 30-50 Nu 30-50 Nu 50+ Nu 50+ Nu 30- Nu 50+ Nu 50+ Nu 30- Nu 50+ Nu 30-50 Nu 50+ Nam 30-50 Nam 30-50 Nam 50+ Nam 50+ Nam 30- Nam 30-50 Nam 30-50 Nam 50+ Nam 30- Nu 30-50 Nam 50+ Nam 30- Nu BS BS DD YS BS YS YS YS BS BS DD BS YS DD YS YS DD BS DD YS DD DD YS YS DD YS YS BS DD BS YS DD YS BS DD YS DD YS 79 No No No Yes No No No No No No Yes No Yes No Yes No No No No No No No No No No Yes No Yes No No No No Yes Yes No No No No Yes Yes No Yes No Yes No Yes Yes Yes Yes Yes No No Yes No No Yes No No Yes No No No Yes No Yes Yes No Yes No Yes Yes No Yes No Yes No Thuongxuyen Thuongxuyen Thuongxuyen No Thuongxuyen Thuongxuyen Thinhthoang Thinhthoang Thuongxuyen Thinhthoang Thuongxuyen Thinhthoang Thinhthoang Thinhthoang No No Thuongxuyen No Thinhthoang Thuongxuyen Thinhthoang No No No No No Thuongxuyen Thinhthoang Thuongxuyen No No Thinhthoang Thinhthoang No No Thuongxuyen Thinhthoang Thinhthoang YES YES NO NO YES YES NO YES YES NO YES NO NO NO NO NO NO NO NO YES NO NO NO NO NO NO YES YES NO NO NO NO YES NO NO YES NO YES 110 111 112 113 114 115 116 117 118 119 120 121 122 123 124 125 126 127 128 129 130 131 132 133 134 135 136 137 138 139 140 Phạm Thị Nga Phạm Thị Nhài Phạm Thị Thúy Phạm Thị Thúy Quách Hữu Viến Quách Thị Hƣơng Quách Trƣờng Giang Quách văn Chinh Tạ Bá Thƣởng Trần Ngọc Điệp Trần Quốc Du Trần Thanh Bình Trần Thị Hồng Trần Thị Phƣợng Trần Thị Yến Trần Văn Đƣợm Trần Văn Thà Trần Xuân Hiệu Trịnh Hoàng Hải Trịnh Xuân Đức Trƣơng Đắc Lực Trƣơng Đức Vĩnh Trƣơng Quốc Thành Trƣơng Thị Thu Hà Vũ Duy Thuật Vũ Thị Hƣờng Vũ Thị Nga Vũ Thị Quý Vũ Văn Đạt Vũ Văn Thiết Vũ Viết Tiến 30- Nu 30-50 Nu 30- Nu 50+ Nu 50+ Nam 50+ Nu 30- Nam 50+ Nam 30- Nam 30-50 Nam 30- Nam 30- Nu 50+ Nu 30- Nu 50+ Nu 50+ Nam 50+ Nam 50+ Nam 30- Nam 30- Nam 50+ Nam 30- Nam 30- Nam 50+ Nu 50+ Nam 30-50 Nu 50+ Nu 50+ Nu 50+ Nam 50+ Nam 50+ Nam DD DD DD YS YS YS YS YS YS DD YS YS BS YS BS DD DD YS BS DD YS DD BS DD BS DD YS YS DD YS DD 80 No Yes No No No Yes No Yes No No No No Yes No Yes Yes No Yes No No No No No No Yes No No Yes No No Yes Yes Yes No Yes No No No Yes Yes No No Yes No Yes Yes Yes No Yes No Yes Yes No Yes Yes No Yes Yes Yes No No Yes Thinhthoang Thuongxuyen No Thinhthoang Thuongxuyen No Thinhthoang Thinhthoang No Thinhthoang Thuongxuyen Thuongxuyen Thinhthoang Thinhthoang Thinhthoang Thinhthoang No Thuongxuyen Thinhthoang No No Thuongxuyen No Thuongxuyen Thinhthoang Thinhthoang Thuongxuyen Thinhthoang Thinhthoang Thinhthoang Thuongxuyen NO YES NO NO YES NO YES NO NO NO YES YES NO YES NO NO NO YES YES NO NO NO NO NO NO NO YES NO NO NO YES