高教社课件计算与人工智能应用(新医科版）第6章课件.pptxVIP

第6章机器学习与医学应用计算与人工智能应用（新医科版）作者：耿彧佟力单位：锦州医科大学

机器学习的基本概念第1节机器学习的分类第2节机器学习的一般流程第3节机器学习的常用算法第4节案例-糖尿病风险预测模型构建第5节

学习目标知识1掌握机器学习的定义、分类与一般流程。掌握模型评估与性能度量方法（交叉验证、混淆矩阵、ROC曲线、AUC等）。了解常用算法原理：决策树、支持向量机、k近邻、朴素贝叶斯及聚类算法。技能2能够使用scikit-learn等工具实现数据预处理（缺失值处理、标准化、独热编码）。能够训练并评估分类/聚类模型（超参数调优、混淆矩阵、ROC曲线、AUC）。能够完成完整的机器学习项目（如糖尿病风险预测），从数据加载到模型比较与性能分析。素质3培养算法思维的严谨性，能根据任务特点合理选择算法并理解其局限性。强化医学应用中的责任感，关注模型的可解释性与误诊/漏诊代价。树立跨学科整合与终身学习意识，为深度学习等前沿方向奠定基础。

第一节机器学习的基本概念

一、机器学习的定义机器学习的定义ArthurSamuel将其赋予计算机无需显著式编程即可具有学习能力的研究领域TomMitchell则更具体地指出，机器学习是计算机程序利用经验改善性能的过程显著式编程与非显著式编程的区别显著式编程需要程序员明确编写每一步操作，机器学习则通过数据驱动的方式让计算机自动发现规律