用于冠心病诊断的多类支持向量机分类性能分析
机器学习
2015-11-17 v2
摘要
冠心病的自动诊断有助于医生辅助做出诊断决策。冠心病具有若干类型或等级。参考 UCI Repository 数据集，其被划分为标记为数字 1-4（低、中、高和严重）的 4 种类型或等级。诊断模型可以通过多类分类方法进行分析。所使用的多类分类方法之一是支持向量机（SVM）。使用 SVM 是由于其在二分类中的强大性能。本研究分析多类支持向量机分类性能以诊断冠心病的类型或等级。冠心病患者数据取自 UCI Repository。本研究的阶段包括预处理，即归一化数据，将数据划分为训练数据和测试数据。下一阶段为多类分类与性能分析。本研究使用的多类 SVM 算法包括：二叉树支持向量机（BTSVM）、一对一（OAO）、一对所有（OAA）、决策有向无环图（DDAG）和穷尽输出纠错码（ECOC）。使用的性能参数为召回率、精确率、F-measure 和总体准确率。
引用
@article{arxiv.1511.02352,
title = {Performance Analysis of Multiclass Support Vector Machine Classification for Diagnosis of Coronary Heart Diseases},
author = {Wiharto Wiharto and Hari Kusnanto and Herianto Herianto},
journal= {arXiv preprint arXiv:1511.02352},
year = {2015}
}