A Neutrosophic Random Forest Approach for Preeclamptic Risk Prediction with Uncertainty Quantification

This study presents a novel integration of Random Forest with neutrosophic logic to improve preeclampsia risk prediction while quantifying prediction uncertainty. Using clinical data from 352 patients, the model achieved 72.73% accuracy with high sensitivity (0.898) in identifying control cases, tho...

Szczegółowa specyfikacja

Opis bibliograficzny

Główni autorzy:	Franklin Parrales-Bravo, Rosangela Caicedo-Quiroz, Lorenzo Cevallos-Torres, Leonel Vasquez-Cevallos, Dayron Rumbaut-Rangel
Format:	Artigo
Język:	Inglês
Wydane:	University of New Mexico 2025-10-01
Seria:	Neutrosophic Sets and Systems
Hasła przedmiotowe:	preeclampsia neutrosophic logic random forest uncertainty quantification maternal health risk prediction
Dostęp online:	https://fs.unm.edu/NSS/10.NeutrosophicRandomForest.pdf
Etykiety:	Dodaj etykietę Nie ma etykietki, Dołącz pierwszą etykiete!