| 摘要 | 第3-4页 |
| ABSTRACT | 第4-5页 |
| 缩写词简表 | 第9-10页 |
| 1 绪论 | 第10-15页 |
| 1.1 选题背景及研究意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-13页 |
| 1.2.1 肝纤维化的无创诊断模型 | 第11-12页 |
| 1.2.2 集成学习 | 第12-13页 |
| 1.3 本文的主要工作和组织结构 | 第13-15页 |
| 1.3.1 本文研究目的与思路 | 第13页 |
| 1.3.2 本文的主要工作 | 第13-14页 |
| 1.3.3 本文的组织结构 | 第14-15页 |
| 2 机器学习概论 | 第15-22页 |
| 2.1 集成学习 | 第15页 |
| 2.2 基于树的学习算法 | 第15-17页 |
| 2.2.1 决策树(DecisionTree) | 第15-16页 |
| 2.2.2 随机森林(RandomForest) | 第16-17页 |
| 2.2.3 极端随机树(ExtraTrees) | 第17页 |
| 2.3 Boosting分类器 | 第17-18页 |
| 2.3.1 AbaBoost算法 | 第17-18页 |
| 2.3.2 梯度提升(GradientBoosting) | 第18页 |
| 2.4 其他分类器 | 第18-22页 |
| 2.4.1 K近邻(KNeighbors) | 第18-20页 |
| 2.4.2 支持向量机(SVM) | 第20-22页 |
| 3 数据集及预处理 | 第22-32页 |
| 3.1 实验数据集 | 第22-23页 |
| 3.2 处理缺失值 | 第23页 |
| 3.3 平衡数据集 | 第23-26页 |
| 3.4 数据预处理 | 第26-32页 |
| 3.4.1 数据集的描述性统计 | 第26-27页 |
| 3.4.2 特征选取 | 第27-30页 |
| 3.4.3 异常值处理 | 第30-31页 |
| 3.4.4 数据标准化 | 第31-32页 |
| 4 集成实验及对比分析 | 第32-38页 |
| 4.1 交叉验证法 | 第32页 |
| 4.2 分类器调参 | 第32-34页 |
| 4.2.1 有无明显纤维化数据集调参 | 第33-34页 |
| 4.2.2 有无肝硬化数据集调参 | 第34页 |
| 4.3 分类器集成实验 | 第34-36页 |
| 4.3.1 集成方法 | 第34-35页 |
| 4.3.2 有无明显纤维化数据集预测结果 | 第35-36页 |
| 4.3.3 有无肝硬化数据集 | 第36页 |
| 4.4 均衡数据集前后对比 | 第36-38页 |
| 5 总结与展望 | 第38-40页 |
| 5.1 总结 | 第38页 |
| 5.2 创新和不足 | 第38-39页 |
| 5.3 展望 | 第39-40页 |
| 致谢 | 第40-41页 |
| 参考文献 | 第41-45页 |
| 附录 | 第45-50页 |
| A.附表 | 第45-50页 |
| B.作者在攻读学位期间取得的科研成果 | 第50页 |