基于性能的多种机器学习分类技术用于慢性肾病诊断的评估
机器学习
2016-07-19 v2 人工智能
计算机与社会
摘要
人工智能（AI）及相关领域找到应用的地方日益增多，从计算机科学的核心领域扩展到各种其他领域。近来，机器学习即AI的一个子领域已被广泛用于协助医学专家和医生对各种疾病和其他医疗障碍进行预测、诊断和预后。在本稿件中，作者将各种机器学习算法应用于医学诊断领域的一个问题，并分析了它们在预测结果方面的效率。所选研究问题是慢性肾病的诊断。研究使用的数据集包含400个实例和24个属性。作者通过将12种分类技术应用于慢性肾病数据来评估它们。为了计算效率，将候选方法的预测结果与被试的实际医疗结果进行比较。用于性能评估的各种度量是预测准确率、精确率、灵敏度和特异度。结果表明决策树表现最好，准确率接近98.6%，灵敏度为0.9720，精确率为1，特异度为1。
引用
@article{arxiv.1606.09581,
title = {Performance Based Evaluation of Various Machine Learning Classification Techniques for Chronic Kidney Disease Diagnosis},
author = {Sahil Sharma and Vinod Sharma and Atul Sharma},
journal= {arXiv preprint arXiv:1606.09581},
year = {2016}
}
备注
6 pages, 4 figures, 2 tables