首页> 中文期刊> 《数理医药学杂志》 >典型机器学习算法在脂肪肝分类预测研究中的实现与比较

典型机器学习算法在脂肪肝分类预测研究中的实现与比较

         

摘要

目的 :实现和比较5种常见的机器学习算法在脂肪肝分类预测研究中的应用.方法 :通过主成分分析对数据的体检指标进行降维,然后应用决策树 、神经网络 、支持向量机 、贝叶斯网络和随机森林算法,分别构建脂肪肝分类预测模型,对1956例体检数据进行脂肪肝的分类预测.结果 :决策树分类模型在脂肪肝分类预测上的准确率最高,达到70.14%,其次是支持向量机和神经网络模型,处于68% 左右的水平.结论 :本文所研究的典型算法在脂肪肝分类的预测上具有较为可靠分类预测能力,但决策树模型在应用小样本数据上表现出了优势;同时,还发现臀围(HIP)和甘油三酯(TG)可能与脂肪肝分类关联密切.

著录项

相似文献

  • 中文文献
  • 外文文献
  • 专利
获取原文

客服邮箱:kefu@zhangqiaokeyan.com

京公网安备:11010802029741号 ICP备案号:京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有
  • 客服微信

  • 服务号