在中國特色社會主義新時(shí)代,提高人們的生活水平、保障人民就醫(yī)便捷和增長人均壽命時(shí)間的關(guān)鍵不僅在于醫(yī)療隊(duì)伍的強(qiáng)大還在于醫(yī)療技術(shù)的發(fā)展與創(chuàng)新。研究一個可靠實(shí)用且性能良好的腎病風(fēng)險(xiǎn)預(yù)測系統(tǒng),對疾病的早期預(yù)防控制的具有十分現(xiàn)實(shí)的意義。風(fēng)險(xiǎn)預(yù)測是一個較為復(fù)雜的決策性過程,在單分類器預(yù)測性能不夠好的基礎(chǔ)上,選擇用組合分類器的方法進(jìn)行風(fēng)險(xiǎn)預(yù)測。組合分類器能有效的提高風(fēng)險(xiǎn)預(yù)測系統(tǒng)的應(yīng)用泛化能力,近幾年也得到了眾多學(xué)者們的廣泛關(guān)注。在收集了近12806條腎病原始數(shù)據(jù),經(jīng)過數(shù)據(jù)預(yù)處理和數(shù)據(jù)規(guī)范后,共選取了10000條有效數(shù)據(jù),建立了腎病風(fēng)險(xiǎn)預(yù)測數(shù)據(jù)庫的基礎(chǔ)上。應(yīng)用支持向量機(jī)算法(SVM)、BP神經(jīng)網(wǎng)絡(luò)分類算法(BP)、決策樹分類算法(C4.5)、貝葉斯分類算法(Bayes)等四個單分類器算法的建模研究后,利用Adaboost、Bagging、Stacking等組合分類器的算法對數(shù)據(jù)進(jìn)行進(jìn)一步的分類預(yù)測。證實(shí)了在腎病數(shù)據(jù)基礎(chǔ)上,組合分類器的性能要比單個分類器的性能好。所做主要工作如下:1、介紹了腎病風(fēng)險(xiǎn)預(yù)測的產(chǎn)生的背景、實(shí)用價(jià)值和應(yīng)用前景,研究了腎病風(fēng)險(xiǎn)預(yù)測在國內(nèi)外研究現(xiàn)狀和主要研究內(nèi)容。2、研究了機(jī)器學(xué)習(xí)的主要方法,主要有支持向量機(jī)分類算法、C4.5決策樹分類算法、樸素貝葉斯分類算法、BP神經(jīng)網(wǎng)絡(luò)分類算法、Adaboost算法、Bagging算法、Stacking算法,分別對算法概念、算法原理、算法步驟和典型應(yīng)用進(jìn)行了闡述。3、對收集的腎病數(shù)據(jù)進(jìn)行清洗、特征選取、特征降維、對腎病檢查值的單位及取值范圍進(jìn)行規(guī)范。建設(shè)腎病風(fēng)險(xiǎn)預(yù)測系統(tǒng),具備對數(shù)據(jù)的基本操作功能和模型建立與風(fēng)險(xiǎn)預(yù)測功能。4、對模型進(jìn)行對比評價(jià),通過風(fēng)險(xiǎn)預(yù)測系統(tǒng)結(jié)果分析,驗(yàn)證已有的腎病風(fēng)險(xiǎn)預(yù)測理論,探索發(fā)現(xiàn)新的腎病風(fēng)險(xiǎn)預(yù)測結(jié)論,指導(dǎo)進(jìn)一步實(shí)驗(yàn)研究和臨床診療。
【學(xué)位單位】：南京中醫(yī)藥大學(xué)
【學(xué)位級別】：碩士
【學(xué)位年份】：2019
【中圖分類】：TP181;R692
【部分圖文】：

Ｐ：ｒｗｉ？ｓ＾？ｐ｜ｉＪ邋Ｏ＾ｒｉｒｉｐａｒＨ＾ｉｌ逡逑圖３－２邋ＰＣＡ分析結(jié)果１０維逡逑從圖３－２中可以得出，當(dāng)縱坐標(biāo)累計(jì)方差Ｇ（ｍ）在９５％時(shí)，橫坐標(biāo)上的主成分顯示１０維特征就可逡逑以很好的表示原始數(shù)據(jù)的屬性特征。在實(shí)驗(yàn)中，不斷嘗試設(shè)定累計(jì)誤差Ｇ（ｍ）的值為８５％、９０％、９５％逡逑等，得到當(dāng)選擇９５％這個閾值使得測試集的分類最為準(zhǔn)確。逡逑３．４基于單分類器的腎病鳳險(xiǎn)預(yù)測模型逡逑３．４．１支持向量機(jī)分類模型逡逑ＳＶＭ分類器建模過程：實(shí)驗(yàn)數(shù)據(jù)來源于南京某總院腎臟科門診和住院數(shù)據(jù)，共１２８０６逡逑條數(shù)據(jù)，經(jīng)處理后得有效數(shù)據(jù)共有１００００條，按照４：１的比例選取訓(xùn)練集和測試集。因此逡逑選擇８０００條作為訓(xùn)練樣本，用來構(gòu)建分類器模型。２０００條作為測試樣本，用來檢驗(yàn)分類逡逑器的準(zhǔn)確率。在ＳＶＭ領(lǐng)域中核函數(shù)的選擇是一個特別重要的分支，論文中采用什么樣的逡逑核函數(shù)適用于訓(xùn)練數(shù)據(jù)并使得建立的ＳＶＭ分類器的準(zhǔn)確率最高，是研究的重點(diǎn)。因此需逡逑要將上一章提到的多項(xiàng)式核函數(shù)、高斯核函數(shù)、Ｓｉｇｍｏｉｄ核函數(shù)以及ＲＢＦ核函數(shù)逐一用于逡逑分類器的建模

數(shù)據(jù)修改｜邋Ｈ模型刪除｜邐Ｈ

本文編號：2809330