USING RAJABHAT DATASET AND AI TO CLASSIFY COMMUNITY BMI
Article Sidebar
Main Article Content
Abstract
Rajabhat University is in an area-based university cluster that exchanges knowledge and technology between the university and the local community. It closely works with local populations by delivering courses, academic services, and research. A collective of 38 Rajabhat universities from around Thailand have developed a set of data called the "Rajabhat Dataset." It utilizes Valaya Alongkorn Rajabhat University (VRU) as the case study. VRU services both Pathum Thani and Sakaew provinces and contains 8,756 data samples tasked to learn/teach algorithms of the machine learning model with various approaches such as logistic regression, SVM/decision tree, and to predict the population’s BMI in the areas. Lastly, AI predicts the QoL based on the Rajabhat data.
Article Details
This work is licensed under a Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.
บทความที่ได้รับการตีพิมพ์เป็นลิขสิทธิ์ของคณะวิทยาการจัดการ มหาวิทยาลัยราชภัฏอุดรธานี
ข้อความที่ปรากฏในบทความแต่ละเรื่องในวารสารวิชาการเล่มนี้ ไม่ใช่ความคิดเห็นและความรับผิดชอบของผู้จัดทำ บรรณาธิการ กองบรรณาธิการ และคณะวิทยาการจัดการ มหาวิทยาลัยราชภัฏอุดรธานี ความรับผิดชอบด้านเนื้อหาและการตรวจร่างบทความแต่ละเรื่องเป็นความคิดเห็นของผู้เขียนบทความแต่ละท่าน
References
Broda, M. D., Bogenschutz, M., Dinora, P., Prohn, S. M., Lineberry, S., & Ross, E. (2021). Using Machine Learning to Predict Patterns of Employment and Day Program Participation. American Journal on Intellectual and Developmental Disabilities, 126(6), 477–491.
Jena, K. K., Bhoi, S. K., Mohapatra, D., Mallick, C., & Swain, P. (2021). Rice Disease Classification Using Supervised Machine Learning Approach. In Proceedings of the 5th International Conference on I-SMAC (IoT in Social, Mobile, Analytics and Cloud), I-SMAC 2021, 328–333.
Lek, D., Haveman-Nies, A., Bezem, J., Zainalabedin, S., Schetters-Mouwen, S., Saat, J., Gort, G., Roovers, L., & van Setten, P. (2021). Two-year effects of the community-based overweight and obesity intervention program Gezond Onderweg! (GO!) in children and adolescents living in a low socioeconomic status and multi-ethnic district on Body Mass Index-Standard Deviation Score and quality of life. EClinicalMedicine, 42.
Myers, S., Govindarajulu, U., Joseph, M. A., & Landsbergis, P. (2021). Work Characteristics, Body Mass Index, and Risk of Obesity: The National Quality of Work Life Survey. Annals of Work Exposures and Health, 65(3), 291–306.
Nanglia, P., Kumar, S., Mahajan, A. N., Singh, P., & Rathee, D. (2021). A hybrid algorithm for lung cancer classification using SVM and Neural Networks. ICT Express, 7(3), 335–341.
Saetang, W., Tangwannawit, S., & Jensuttiwetchakul, T. (2021). การศึกษาการยอมรับเทคโนโลยีข้อมูลขนาดใหญ่ในประเทศไทย: มุมมองขององค์กร (A STUDY OF BIG DATA TECHNOLOGY ADOPTION IN THAILAND: ORGANIZATIONAL PERSPECTIVE). วารสารมหาวิทยาลัยศรีนครินทร วิโรฒ สาขาวิทยาศาสตร์และเทคโนโลยี, 13(25, January-June), 110–122.
Simmonds, M., Llewellyn, A., Owen, C. G., & Woolacott, N. (2016). Predicting adult obesity from childhood obesity: a systematic review and meta-analysis. Obesity Reviews, 17(2), 95–107.
Sulochana, V., Shanthini, B., & Harinath, K. (2022). Fast Intraprediction Algorithm for HEVC Based on Machine Learning Classification Technique. In IEEE International Conference on Distributed Computing and Electrical Circuits and Electronics, ICDCECE 2022.
Tamayo, M. C., Dobbs, P. D., & Pincu, Y. (2021). Family-Centered Interventions for Treatment and Prevention of Childhood Obesity in Hispanic Families: A Systematic Review. Journal of Community Health, 46(3), 635–643.
Zhao, H., Zuo, X., & Xie, Y. (2022). Customer Churn Prediction by Classification Models in Machine Learning. In 2022 9th International Conference on Electrical and Electronics Engineering, ICEEE 2022, 399–407.