机器学习多种算法在糖尿病检测分类中的应用研究
| 中文摘要 | 第3-4页 |
| Abstract | 第4页 |
| 第一章 绪论 | 第7-11页 |
| 1.1 研究的背景及意义 | 第7-8页 |
| 1.2 国内外现状分析 | 第8-9页 |
| 1.3 论文结构 | 第9-11页 |
| 第二章 预备知识 | 第11-23页 |
| 2.1 特征的选取 | 第11-12页 |
| 2.2 模型评估与模型选择 | 第12-14页 |
| 2.2.1 正确率(Accuracy) | 第12页 |
| 2.2.2 查准率,查全率与F-Score | 第12-13页 |
| 2.2.3 模型的选择 | 第13-14页 |
| 2.3 KNN算法 | 第14-15页 |
| 2.4 支持向量机 | 第15-18页 |
| 2.5 随机森林 | 第18-20页 |
| 2.6 Bagging | 第20页 |
| 2.7 梯度提升决策树(GBDT) | 第20-21页 |
| 2.8 分类聚合投票(Voting) | 第21-23页 |
| 第三章 糖尿病数据的建模 | 第23-41页 |
| 3.1 提出问题 | 第23页 |
| 3.2 收集糖尿病数据 | 第23-25页 |
| 3.3 糖尿病数据的预处理 | 第25-27页 |
| 3.3.1 糖尿病原始数据检查 | 第25-27页 |
| 3.3.2 糖尿病数据处理 | 第27页 |
| 3.4 建立模型 | 第27-36页 |
| 3.4.1 KNN模型 | 第27-28页 |
| 3.4.2 SVM模型 | 第28-30页 |
| 3.4.3 随机森林 | 第30-31页 |
| 3.4.4 Bagging | 第31-34页 |
| 3.4.5 GBDT | 第34-35页 |
| 3.4.6 Voting | 第35-36页 |
| 3.5 模型比较 | 第36-41页 |
| 第四章 结论与展望 | 第41-43页 |
| 4.1 结论 | 第41-42页 |
| 4.2 展望 | 第42-43页 |
| 参考文献 | 第43-45页 |
| 致谢 | 第45页 |
