文件名称:
Blooddonordiction：由于数字化，我们经常可以访问大型数据库，该数据库包含各种信息领域，从数字到文本甚至是布尔值。 这样的数据库特别适合于机器学习，分类和大数据分析任务。 假设我们掌握其他字段的信息，我们便能够使用现有数据训练
开发工具:
文件大小: 371kb
下载次数: 0
上传时间: 2021-02-03
详细说明：献血者预测
引用我们！
抽象
由于数字化，我们经常可以访问大型数据库，该数据库包含各种信息领域，从数字到文本，甚至是布尔值。 这样的数据库特别适合于机器学习，分类和大数据分析任务。 假设我们掌握其他字段的信息，我们便能够使用现有数据训练分类器，并将其用于预测某个字段的值。
最具体地说，在这项研究中，我们查看了由医院编制的电子健康记录（EHR）。 这些EHR是访问单个患者数据的便捷方式，但是从整体上来说，处理仍然是一项任务。 但是，通过使用分类器，由连贯的，制表良好的结构组成的EHR非常适合于机器语言的应用程序。 在这项研究中，我们看一个输血服务中心数据集（数据来自台湾新竹市输血服务中心）。 我们在python中使用了scikit-learn机器学习。 在支持向量机（SVM）中，我们使用支持向量分类（SVC），从线性模型中我们导入Perceptron。 我们还使用了K.neighbors分类器和决策树分类器。 此外，我们使用TPOT库使用遗传算法找到优化的管道。 使用以上分类器，我们使用k倍交叉验证对每个分类器进行评分。
如何运行脚本？
为了运行脚本，您将需要Python（版本3.6
(系统自动生成,下载前可以参看下载内容)
下载文件列表
相关说明
- 本站资源为会员上传分享交流与学习,如有侵犯您的权益,请联系我们删除.
- 本站是交换下载平台，提供交流渠道，下载内容来自于网络，除下载问题外，其它问题请自行百度。
- 本站已设置防盗链，请勿用迅雷、QQ旋风等多线程下载软件下载资源，下载后用WinRAR最新版进行解压.
- 如果您发现内容无法下载，请稍后再次尝试；或者到消费记录里找到下载记录反馈给我们.
- 下载后发现下载的内容跟说明不相乎，请到消费记录里找到下载记录反馈给我们，经确认后退回积分.
- 如下载前有疑问，可以通过点击"提供者"的名字，查看对方的联系方式，联系对方咨询.
