文献类型：期刊文章

作　　者：余秋燕[1] 赵莹[1] 孙继佳[1] 邵建华[1]

Yu Qiuyan(Science Teaching and Research Section of Pharmacy School,Shanghai University of Traditional Chinese Medicine,Shanghai 201203)

机构地区：[1]上海中医药大学中药学院数理教研室,上海201203

出　　处：《数理医药学杂志》

基　　金：上海中医药大学第十六期课程建设一般项目:<高等数学>课程中融入数学建模教学的研究与实践(SHUTCMKCJSYB2017005);国家自然基金面上项目:从非酒精性脂肪肝不同典型证候的尿代谢物探讨证相关物质谱(No.81473475)

年　　份：2019

卷　　号：32

期　　号：1

起止页码：1-3

语　　种：中文

收录情况：普通刊

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。

关 键 词：脂肪肝 主成分分析 决策树 神经网络  支持向量机 贝叶斯网络 随机森林  

分 类 号：R311[基础医学类]