IRC_ClusteringPatientData:使用SVM监督方法对心血管疾病患者数据进行聚类以预测诊断-源码

上传者: 42131798 | 上传时间: 2021-09-30 09:00:18 | 文件大小: 92KB | 文件类型: ZIP
IRC_ClusteringPatientData 使用支持向量机(SVM)学习方法对患者数据进行聚类以进行诊断。该项目是伦敦帝国理工学院Horizo​​ns课程的跨学科研究计算项目的一部分。 目的 机器学习(ML)模型可以成功处理诸如像素或随机数值数据之类的复杂数据,并在该数据中找到可能会非常复杂的模式以其他方式进行分类。在医学领域有很多ML的例子,我们想更多地了解如何获取医学数据并产生有趣的结果。 运行模型 执行main.py: 从在线数据库中提取数据并进行清理 训练模型 测试模型 产生准确性结果和相关图表 代码的主要部分使用Model.py中定义的Model类。这样可以轻松启用和禁用诸如图形或评估机制之类的功能。 属性 数据属性如下: 匈牙利心脏病研究所。布达佩斯:瑞士苏黎世医学博士学位的Andras Janosi:瑞士巴塞尔医学博士学位的William Steinbrunn:瑞士长

文件下载

资源详情

[{"title":"( 11 个子文件 92KB ) IRC_ClusteringPatientData:使用SVM监督方法对心血管疾病患者数据进行聚类以预测诊断-源码","children":[{"title":"IRC_ClusteringPatientData-main","children":[{"title":"heart.csv <span style='color:#111;'> 10.77KB </span>","children":null,"spread":false},{"title":"cleaning_in_progress_dataset.ipynb <span style='color:#111;'> 88.10KB </span>","children":null,"spread":false},{"title":"data_handler.py <span style='color:#111;'> 4.27KB </span>","children":null,"spread":false},{"title":"cleaning_done_dataset.ipynb <span style='color:#111;'> 56.27KB </span>","children":null,"spread":false},{"title":"properly_cleaned_data.csv <span style='color:#111;'> 39.59KB </span>","children":null,"spread":false},{"title":"main.py <span style='color:#111;'> 1.41KB </span>","children":null,"spread":false},{"title":"model.py <span style='color:#111;'> 2.13KB </span>","children":null,"spread":false},{"title":"group_members.txt <span style='color:#111;'> 46B </span>","children":null,"spread":false},{"title":"README.md <span style='color:#111;'> 1.35KB </span>","children":null,"spread":false},{"title":"cleaned_data.csv <span style='color:#111;'> 56.04KB </span>","children":null,"spread":false},{"title":"graph.py <span style='color:#111;'> 1.45KB </span>","children":null,"spread":false}],"spread":false}],"spread":true}]

评论信息

免责申明

【只为小站】的资源来自网友分享,仅供学习研究,请务必在下载后24小时内给予删除,不得用于其他任何用途,否则后果自负。基于互联网的特殊性,【只为小站】 无法对用户传输的作品、信息、内容的权属或合法性、合规性、真实性、科学性、完整权、有效性等进行实质审查;无论 【只为小站】 经营者是否已进行审查,用户均应自行承担因其传输的作品、信息、内容而可能或已经产生的侵权或权属纠纷等法律责任。
本站所有资源不代表本站的观点或立场,基于网友分享,根据中国法律《信息网络传播权保护条例》第二十二条之规定,若资源存在侵权或相关问题请联系本站客服人员,zhiweidada#qq.com,请把#换成@,本站将给予最大的支持与配合,做到及时反馈和处理。关于更多版权及免责申明参见 版权及免责申明