×
超值优惠券
¥50
100可用 有效期2天

全场图书通用(淘书团除外)

关闭
暂无评论
图文详情
  • ISBN:9787576105063
  • 装帧:一般胶版纸
  • 册数:暂无
  • 重量:暂无
  • 开本:26cm
  • 页数:181页
  • 出版时间:2023-06-01
  • 条形码:9787576105063 ; 978-7-5761-0506-3

内容简介

本书以诊疗数据为对象,将数据挖掘和机器学习领域的基本方法应用到临床医学的诊疗数据处理中,全面系统地介绍了医学数据挖掘的基本方法与原理,对数据分析的常用算法,如诊疗数据预处理、关联规则挖掘、支持向量机、朴素贝叶斯、k-means、神经网络等基础知识和医学应用进行了通俗易懂的讲解。

目录

第1章诊疗数据预处理 1.1数据校验 1.1.1一致校验 1.1.2缺失值校验 1.1.3异常值校验 1.2数据清洗 1.2.1缺失值处理 1.2.2异常值处理 1.3特征工程 1.3.1特征变换 1.3.2特征选择 1.4讨论结 1.5练展 第2章关联规则挖掘及医学应用 2.1关联规则挖掘概论 2.1.1关联规则挖掘的起源 2.1.2基本概念 2.1.3关联规则的度量指标 2.1.4关联规则的分类 2.2Apriori算法 2.2.1 Apriori算法基本思想 2.2.2 算例 2.2.3 Apriori算法实现 2.3关联规则挖掘的医学应用——乳腺癌患者TNM分期与中医证型系数之间的关系 2.3.1问题描述 2.3.2解决方案 2.3.3结果分析 2.4讨论结 2.5练展 第3章K近邻法及医学应用 3.1K近邻法概述 3.2K近邻法适用场景 3.2.1分类上的应用 3.2.2回归上的应用 3.3K近邻法模型 3.3.1模型 3.3.2距离度量 3.3.3k值的选择 3.3.4分类决策规则 3.4K近邻法的底层实现 3.4.1线扫描 3.4.2kd树优化 3.4.3球树优化 3.5K近邻法代码复现 3.5.1原理复述 3.5.2问题描述与解决流程 3.5.3 Python 代码实现 3.5.4基于sklearn机器学实现 3.6K近邻法在上的应用 3.6.1问题描述 3.6.2数据集描述 3.6.3代码实现 3.7练展 …… 第4章决策树分类及医学应用 第5章支持向量机及医学应用 第6章朴素贝叶斯及医学应用 第7章PCA降维及医学应用 第8章 k-means 算法及医学应用 第9章神经网络及医学应用 第10章Python机器学库简介 参考文献
展开全部

预估到手价 ×

预估到手价是按参与促销活动、以最优惠的购买方案计算出的价格(不含优惠券部分),仅供参考,未必等同于实际到手价。

确定
快速
导航