- 1、本文档共42页,可阅读全部内容。
- 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
- 5、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
- 6、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们。
- 7、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 8、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
机器学习论文-计算机应用技术论文-计算机
论文
——文章均为WORD文档,下载后可直接编辑使用亦可打印——
机器学习是一门多领域交叉学科,涉及概率论、统计学、逼
近论、凸分析、算法复杂度理论等多门学科。它是人工智能核心,是
使计算机具有智能的根本途径。下面我们就为大家介绍几篇关于机器
学习论文范文,供给大家参考。
机器学习论文范文第一篇:机器学习算法在脑卒中诊治中的应用
现状及展望
作者:武胜勇何倩郭轶斌吴骋
作者单位:海军军医大学卫生勤务学系军事卫生统计学教研
室
世界卫生组织统计表明,目前脑卒中已在全球原因中跃升至
第二位[1].据美国心脏协会(AmericanHeartAssociation,AHA)统计,
在美国,脑卒中是的第五大原因,每年有79.5万美国人经历一次新
的或复发性脑卒中[2].而在中国,脑血管疾病已成为排名第三的原因,
对脑卒中防治的重要性已成为业内共识[3].脑卒中发病的原因涉及先
天遗传因素、后天影响因素[4]等,同时也受诸多不可控的影响,故
其发病过程具有较大的异质性[5].因此,迫切需要在脑卒中的预防和
治疗过程中,通过简化医疗操作过程和改进诊疗技术来解决其治疗过
程中产生的诸多复杂问题,降低不断上升的医疗成本[6,7].
近年来随着生物医学研究的发展,对于脑卒中的研究日益深
入,在基于组学数据[8,9]、实时风险预测等方面的研究对统计学工具
的要求不断提高。传统统计学方法对这些高维、海量、结构复杂的大
数据集分析效果并不理想,同时面对真实世界中取样异质性低、缺失
值多、复杂程度高等问题,也难以找到合适的处理方式[10].机器学习
(machinelearning,ML)主要研究如何使计算机通过实验从数据中学
习,是预测分析的一项主要内容[11],作为传统统计学方法的补充,目
前医学研究中采用机器学习的趋势日益明显。
围绕机器学习在脑卒中研究方面的应用,本文综述了支持向
量机、随机森林及深度学习方法,描述了其主要思想,分析了其优点
和不足,以期对机器学习未来在脑卒中患者诊疗中的应用起到一定助
力作用。
机器学习算法与传统预测模型的比较
由于脑卒中发病位置的特殊性,导致其对身体各个部位的影
响范围、程度都远超其他疾病,故即使是具有丰富经验的临床医师也
很难对其各方面预后做出准确评估。一般认为初始运动障碍和皮质运
动系统缺陷较少的患者治疗结束后可能有更好的运动能力,在实际预
后评估中,这些普遍被接受的相关性并不总是正确[12].因为在脑卒中
患者病情进展中,其影响因素包括各类临床特征、后续治疗甚至患者
发病前后的生活习惯等[13],但由于这类特征数据类型多、数据量大,
使得这些复杂的相互作用很难使用传统模型进行评估。机器学习模型
能够模拟复杂系统的结果,具有传统统计学模型不具有的优势,对比
见表1.
表1传统和机器学习模型比较
鉴于机器学习方法相较传统预测模型的诸多优点,目前研究
已证实了使用机器学习方法预测卒中结局的预后模型能够取得较准
确的结果[14,15].机器学习算法能够帮助医生做出更好的临床决策,为
患者赢得更好的生活质量和预期寿命[16].
常用机器学习算法及其在脑卒中诊治中的应用案例
1.支持向量机
支持向量机(supportvectormachine,SVM)是通过将数据升
维,映射到一个更高维的特征空间里,在高维空间里建立最大间隔的
超平面,通过对支持向量的训练,对特征空间进行划分得到最优超平
面,从而将非线性的分类问题,转变为线性分类的机器学习方法。其
对多变且具有较强时间性的分类问题具有较大优势[17],目前已在医
学领域取得较广泛的应用[18].SVM的主要优势在于其利用核函数向
高维空间进行非线性映射,理论基础较为明确。同时,SVM对数据的
预测主要基于少数支持向量,从而对样本进行筛选,不仅简化了算法,
避免了算法过度复杂可能带来的过拟合风险;同时也可以对训练集中
的样本进行筛选,抓住关键样本,即研究对象的关键特征。
国内张丽娜等,分别通过使用SVM和logistic回归方法对急
性出血性脑卒中早期预后进行预测,并对所建立的模型进行比较,证
实了SVM在灵敏度、特异度、准确率及Youden指数等方面均优于传
统的l
您可能关注的文档
- 小学生喜欢的民间故事.pdf
- 如何进一步加强企业文化建设.pdf
- 春江花月夜作家作品介绍.pdf
- 无人驾驶之囧.pdf
- 互联网时代的家具产品设计创新路径.pdf
- 论改革开放对经济发展的推动力量及改革开放持续性研究.pdf
- 农民工已成为北京市经济建设中不可缺少的力量.pdf
- 护士法律法规.pdf
- 移动应用物联网专业模拟练习题.pdf
- 互联网+时代新型营销人才的创新.pdf
- 上课《归园田居(其一)》课件28张.pptx
- 色彩的魅力课件55.ppt
- 山水田园诗导学练习鉴赏.ppt
- 部编版《白鹭》课件.pptx
- 《Excel在财务中的应用》项目七 全面预算编制方法与应用 教学课件.pptx
- 《Excel在财务中的应用》项目六 利润管理决策模型与应用 教学课件.pptx
- 《Excel在财务中的应用》项目五 运营资金的管理 教学课件.pptx
- 《Excel在财务中的应用》项目四 项目投资管理决策与应用 教学课件.pptx
- 《Excel在财务中的应用》项目三 筹资管理决策模型与应用 教学课件.pptx
- 《Excel在财务中的应用》项目二 Excel 常用函数基础 教学课件.pptx
文档评论(0)