没有合适的资源?快使用搜索试试~ 我知道了~
温馨提示
试读
8页
多年来,有关患者的信息和医学信息的数量已大大增加。 此外,由于血液疾病患者的增加,医学病理学家已经使用了传统的诊断测试,其成本低并且导致诊断不准确。 为了从血液学数据中识别出最佳的疾病模式,医疗专业人员需要一种可靠的预测方法。 数据挖掘方法允许用户检查来自各个维度的数据,将其分组并总结所确定的关系。 分类是一项至关重要的数据挖掘技术,具有广泛的应用。 应用分类算法将一组数据中的每个项目分类到一组已知的类中。 本文的目的是比较使用怀卡托知识分析环境的不同分类算法,并找到一种最有效的最终用户血液数据功能算法。 发现的最有效的算法是随机森林,其准确性为96.47%,构建模型所花费的总时间为0.16秒,这比现有的其他工作效率更高。 相反,多层感知器分类器的最低精度为75.29%,构建模型所需的时间为1.92秒。
资源推荐
资源评论
资源评论
weixin_38730331
- 粉丝: 5
- 资源: 958
上传资源 快速赚钱
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功