基于机器学习算法的医疗数据处理与分析
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第13-19页 |
| 1.1 研究背景及意义 | 第13-16页 |
| 1.2 本文的研究方法和流程 | 第16-17页 |
| 1.3 论文的整体结构和内容 | 第17-19页 |
| 第二章 常见的机器学习方法在医学数据上的运用 | 第19-27页 |
| 2.1 贝叶斯方法 | 第19-20页 |
| 2.1.1 贝叶斯方法的原理 | 第19-20页 |
| 2.1.2 贝叶斯方法的应用 | 第20页 |
| 2.2 决策树方法 | 第20-23页 |
| 2.2.1 决策树方法的原理 | 第20-22页 |
| 2.2.2 决策树方法的应用 | 第22-23页 |
| 2.3 逻辑回归方法 | 第23-25页 |
| 2.3.1 逻辑回归方法的原理 | 第23-24页 |
| 2.3.2 逻辑回归方法的应用 | 第24-25页 |
| 2.4 支持向量机 | 第25-27页 |
| 第三章 数据预处理 | 第27-41页 |
| 3.1 数据预处理方案 | 第28-31页 |
| 3.1.1 数据清理 | 第29-30页 |
| 3.1.2 数据集成 | 第30页 |
| 3.1.3 数据变换 | 第30-31页 |
| 3.1.4 数据简化 | 第31页 |
| 3.2 基于矩阵填充的缺失值处理 | 第31-37页 |
| 3.2.1 非满秩矩阵填充 | 第32-34页 |
| 3.2.2 泛化约束 | 第34-37页 |
| 3.3 实验结果与分析 | 第37-40页 |
| 3.4 小结 | 第40-41页 |
| 第四章 基于体检数据的疾病预测与分析 | 第41-63页 |
| 4.1 基于决策树算法的淋巴细胞增生预测 | 第41-47页 |
| 4.1.1 数据集预处理 | 第42-43页 |
| 4.1.2 预测方案与实验结果 | 第43-47页 |
| 4.1.3 实验结果与分析 | 第47页 |
| 4.2 基于逻辑回归的脂肪肝疾病预测 | 第47-55页 |
| 4.2.1 数据集预处理 | 第48-50页 |
| 4.2.2 预测方案与实验结果 | 第50-55页 |
| 4.2.3 实验结果与分析 | 第55页 |
| 4.3 基于gcForest的脂肪肝疾病预测 | 第55-61页 |
| 4.3.1 gcForest预测方案 | 第56-59页 |
| 4.3.2 整体流程和超参数 | 第59-60页 |
| 4.3.3 实验结果与分析 | 第60-61页 |
| 4.4 小结 | 第61-63页 |
| 第五章 基于医保数据的时间序列分析和关联分析 | 第63-75页 |
| 5.1 基于时间序列分析的住院人数预测 | 第63-66页 |
| 5.1.1 时间序列分析方案 | 第63-64页 |
| 5.1.2 基于移动平均的住院人数预测 | 第64-65页 |
| 5.1.3 基于指数平均的住院人数预测 | 第65-66页 |
| 5.2 基于Prophet的住院人数预测 | 第66-71页 |
| 5.2.1 数据集预处理 | 第66页 |
| 5.2.2 实验结果与分析 | 第66-71页 |
| 5.3 基于医保数据和天气数据的关联分析 | 第71-73页 |
| 5.4 小结 | 第73-75页 |
| 第六章 总结与展望 | 第75-77页 |
| 6.1 总结 | 第75-76页 |
| 6.2 展望 | 第76-77页 |
| 参考文献 | 第77-81页 |
| 攻读硕士学位期间发表论文及科研情况 | 第81-83页 |
| 致谢 | 第83页 |
