低强度半导体激光对糖尿病大鼠伤口愈合时间的影响.pdf

分类(Classification)与回归(Regression)都属于监督学习，他们的区别在于： 分类：用于预测有限的离散值，如是否得了癌症（０，１），或手写数字的判断，是0,1,2,3,4,5,6,7,8还是9等。分类中，预测的可能的结果是有限的，且提前给定的。 回归：用于预测实数值，如给定了房子的面积，地段，和房间数，预测房子的价格。 LinearRegression 拟合一个带有系数 w = (w1, …, wp) 的线性模型，使得数据集实际观测数据和预测数据（估计值）之间的残差平方和最小。 其数学表达式为: 进行预测前查看一下数据集 https://scikit-learn.org

半导体激光联合重组人表皮生长因子治疗糖尿病足的临床观察.pdf

糖尿病视网膜病变采用半导体激光治疗效果探讨.pdf

数据集的标注者都具有医学背景。依托于该数据集，包括医生、科研人员、企业开发者就能开展用于临床诊断的知识库，知识图谱，辅助诊断等产品开发，进一步探索研究糖尿病的奥秘。

糖尿病是世界上的慢性病之一，有 2.46 亿人患有这种疾病，根据世界卫生组织 (WHO) 的报告，到 2025 年，这一数字将增加到 3.8 亿。许多其他使人衰弱和严重的健康问题可能如果这种疾病没有得到诊断或仍然不明，则会进一步发展。 机器学习 (ML) 技术现在被用于教育、医疗保健、商业、推荐系统等各个领域。医疗保健数据复杂且维数高，并且包含不相关的信息——因此，预测准确度低。 本研究使用了皮马印第安人糖尿病数据集，它包含 768 条记录。 首先，将缺失值替换为中位数，然后进行线性判别分析。 使用 Python 编程语言，结合五种分类算法应用特征选择技术：支持向量机 (SVM)、多层感知器 (MLP)、逻辑回归、随机森林和决策树。 本文的目的是比较不同的分类算法，以便更准确地预测患者的糖尿病。 应用 K 折交叉验证，考虑 k 为 2、4、5 和 10。采用的性能参数为：准确度、精度、召回率、F 分数和曲线下面积。 我们的研究发现，MLP 分类器的最高准确率为 78.7%，召回率为 61.26%，准确率为 72.45%，k = 4 时 F1 得分为 65.97%。

Pima Indians 糖尿病发病情况数据集，用于keras深度学习

抗糖尿病并发症醛糖还原酶抑制剂的虚拟筛选（基于SPECS分子库），张建羽，李哲，醛糖还原酶抑制剂（ARI）通过抑制醛糖还原酶的活性，使得葡萄糖代谢途径恢复良性进而控制或治疗并发症，而成为当今治疗糖尿病并发

该数据集最初来自美国国立糖尿病与消化与肾脏疾病研究所。数据集的目的是基于数据集中包含的某些诊断测量值来诊断预测患者是否患有糖尿病。 diabetes.csv

糖尿病新进展及其合并心血管病的降血糖治疗，糖尿病新进展及其合并心血管病的降血糖治疗PPT，糖尿病新进展及其合并心血管病的降血糖治疗课件