《表1 医疗大数据领域浅层机器学习算法模型》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于机器学习的医疗大数据分析与临床应用》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

医疗大数据领域中运用的浅层机器学习算法模型有回归分析、决策树、基于内核的算法、降低维度算法等。逻辑回归算法（Logistic Regression，LR）是常用的回归分析算法，它通过确定单个变量或者多个变量的影响权重建立关系模型。决策树算法（Decision Tree，DT）是一种递归寻优的树状模型。基于内核的算法最常用的是支持向量机（Support Vector Machine，SVM），它先建立高阶的向量空间，再通过映射关系将数据映射到高阶向量空间。降低维度算法常用的是主成分分析法（Principal Component Analysis，PCA）和偏最小二乘回归法（Partial Least Squares Regression，PLSR），两者皆通过降低特征维度重组数据集。其中回归分析、决策树和降低维度算法属于无监督学习，基于内核的算法属于监督学习。医疗大数据领域主要使用的浅层机器学习算法模型如表1所示。