用于心血管疾病诊断的神经网络学习算法比较
机器学习
2016-11-08 v1 神经与进化计算
摘要
如今数据挖掘技术被应用于医学中疾病的诊断、克服和治疗。神经网络是医学领域广泛用于诊断的技术之一。本文评估了作为心血管疾病诊断中神经网络学习基础的九种算法的效率。通过10折交叉验证，从准确率、灵敏度、透明度、AROC和收敛速度方面评估这些算法。结果表明，在训练阶段，Lonberg-M算法在所有指标上效率最佳，OSS算法在测试阶段准确率最高，SCG算法透明度最高，CGB算法灵敏度最高。
引用
@article{arxiv.1611.01678,
title = {Comparing learning algorithms in neural network for diagnosing cardiovascular disease},
author = {Mirmorsal Madani},
journal= {arXiv preprint arXiv:1611.01678},
year = {2016}
}