NeuroSVM：用于肝病患者识别的图形用户界面
机器学习
2015-02-20 v1 人机交互
摘要
在初期阶段诊断肝脏感染对于更好的治疗十分重要。在当今场景中，诸如传感器等设备被用于检测感染。自动识别疾病样本需要准确的分类技术。在此背景下，本研究利用数据挖掘方法将肝病患者与健康个体进行分类。使用 R 平台实现了四种算法（朴素贝叶斯、Bagging、随机森林和 SVM）进行分类。为进一步提高分类准确率，利用 SVM 与前馈人工神经网络 (ANN) 开发了混合 NeuroSVM 模型。使用该模型并以均方根误差 (RMSE) 和平均绝对百分比误差 (MAPE) 等统计参数测试了其性能。该模型预测准确率达 98.83%。结果表明混合模型的开发提高了预测准确性。为服务医疗界预测患者肝病，使用 R 开发了图形用户界面 (GUI)。该 GUI 作为包部署在 R 平台的本地仓库中，供用户执行预测。
引用
@article{arxiv.1502.05534,
title = {NeuroSVM: A Graphical User Interface for Identification of Liver Patients},
author = {Kalyan Nagaraj and Amulyashree Sridhar},
journal= {arXiv preprint arXiv:1502.05534},
year = {2015}
}
备注
9 pages, 6 figures