使用机器学习技术预测肝炎疾病 内容 1.简介2.属性3.框图4.算法和分类器5.获得的结果6.结论 介绍 医学诊断是一项重要且非常复杂的任务，需要准确识别。 重要的是要在适当的时间诊断出疾病并尽早治愈。 肝脏是人体的重要组成部分。 影响肝功能的严重疾病之一是肝炎，它会引起肝脏炎症。 这项工作的主要目的是通过使用不同的ML工具和神经网络体系结构训练同一数据集，并选择那些诊断肝炎疾病的最佳工具来对特定数据集进行比较研究。 属性 属性 价值 年龄 否（1），是（2） 数值 否（1），是（2） 性别 否（1），是（2） 男（1），女（2） 否（1），是（2） 类固醇 否（1），是（2）v 大肝 否（1），是（2） 肝脏公司 否（1），是（2） 蜘蛛网 否（1），是（2） 抗病毒药 否（1），是（2） 疲劳 否（1），是（2） 马拉丝 否（1），是（2） 脾可触及 否

对支持向量机的总结，该小结是本人在阅读了大牛李航的《统计学习方法》之后做的总结，往对读者有所帮助。

基于HOG的行人检测，刚刚调试过，效果不错！

pegasos-online-svm 支持向量机分类算法的并行实现。 在Hadoop上本地运行。 基于Pegasos pagasos论文的思想-用于二进制分类的L2调节L1损失线性SVM。 参考 Shai Shalev-Shwartz，Yoram Singer和Nathan Srebro。 （2007）。 Pegasos：SVM的原始估计子GrAdient求解器。 ICML2007。http 作者 米哈尔Rachtan -

smo的matlab代码支持向量机 使用序列最小优化 (SMO) 算法进行训练的支持向量机的简单实现。 支持的python版本： Python 2.7 Python 3.4 Python包依赖 麻木 () 文档 设置模型（以下参数为默认值） from SVM import SVM model = SVM ( max_iter = 10000 , kernel_type = 'linear' , C = 1.0 , epsilon = 0.001 ) 训练模型 model . fit ( X , y ) 预测新的观察结果 y_hat = model . predict ( X_test )

博客链接：https://blog.csdn.net/qq_44186838/article/details/118054911 主要功能：数据清洗、文本特征提取、建立模型，评估模型，情感分类

我自己实现的灰度共生矩阵提取结肠癌图像特征，并利用计算机辅助诊断的方法SVM分类Matlab代码。

本系统实现了KNN、朴素贝叶斯和SVM三种分类算法下的文本分类自带训练集和测试集。

多分类支持向量机的一种实现，直接构造多分类优化函数，比一对一、一对多等实现方法，可能更复杂，但分类结果应该更好点。压缩包里包括C源代码和编译好的可执行文件。我这里还有作者配套的论文，需要的请联系，可以一起学习讨论，呵呵

使用词袋模型（bow）和svm对字符图片实现多分类