机构名称：
¥ 1.0
1,2 印度拉杰果德马尔瓦迪大学 摘要：科学技术对医疗行业的巨大影响导致了大量数据的收集。由于数据的大量积累，医生发现在早期识别或预测患者是否患有疾病变得更加复杂。幸运的是，监督机器学习算法的进步在收集数据的处理中展示了巨大的影响，并帮助医务人员快速准确地预测高风险疾病的早期存在。这不仅有助于预防疾病的传播，还可以节省患者可能产生的巨额医疗费用。本文旨在评估疾病检测中的多种监督机器学习模型，并通过性能基准对其进行分析。主要讨论的监督学习算法是 K-最近邻 (KNN)、决策树 (DT)、朴素贝叶斯 (NB)、随机森林、XGBoost、CNN、DNN。XGBoost 在预测心脏病和糖尿病方面表现出色。 XGBoost 预测糖尿病和心脏病的精度，卷积神经网络 (CNN) 预测脑肿瘤的精度。
使用 XGBOOST 进行基于机器学习的临床疾病预测
主要关键词
相关文件推荐
