《表1 机器学习算法介绍：人工智能在心血管疾病诊断及风险预测中的研究进展》

  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

《人工智能在心血管疾病诊断及风险预测中的研究进展》

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

监督学习是指算法通过学习带有标注的数据集和相应的输出结果，找到输入的数据与输出数据间所存在的某种映射关系[7]。因此，常应用于构建疾病风险预测模型，如对急性冠脉综合征患者PCI术后发生主要心血管不良事件（major adverse cardiovascular events，MACE）进行预测[8]。常见的监督学习算法有logistic回归，支持向量机、朴素贝叶斯和随机森林（表1）。无监督学习寻求发现数据集中变量间的底层结构，无需提前对样本数据进行标注，以揭示数据间潜在的内在联系。包括从丰富的组学大数据中自动提取分子特征，发现新的发病机制、基因型或表型[9，10]。Chung[11]等利用无监督算法在小鼠心脏重塑过程中对小鼠的基因组学，蛋白质组学和代谢组学进行了分类，以寻找心脏疾病遗传模式背后的逻辑。无监督学习常见的算法有聚类和降维。