注册会员 | 设为首页 | 加入收藏夹
您好，欢迎光临本网站！[请登录] ！[注册会员]！  

搜索资源列表

  1. breast_cancer_classification-源码

  2. 乳腺癌分类 问题陈述 根据多种观察/特征预测癌症诊断是良性还是恶性 使用了30个功能，例如： -半径（从中心到周长上的点的距离的平均值） -纹理（灰度值的标准偏差） - 周长- 区域-平滑度（半径长度的局部变化） -紧凑度（周长^ 2 /面积-1.0） -凹度（轮廓凹部的严重程度） -凹点（轮廓上凹部分的数量） -对称-分形维数（“海岸线近似值” -1） 数据集可使用所有30种输入功能进行线性分离 实例数：569 等级分配：212恶性，357良性 目标类别： -恶性-良性 数据集 链接：

  3. 所属分类：其它

  1. breast-cancer-classification-源码

  2. 乳腺癌分类

  3. 所属分类：其它

    • 发布日期：2021-03-21
    • 文件大小：49kb
    • 提供者：weixin_42139871

  1. ml2-breast-cancer-源码

  2. ml2-乳腺癌

  3. 所属分类：其它

    • 发布日期：2021-03-21
    • 文件大小：13mb
    • 提供者：weixin_42097189

  1. ml-course-project:医学生物信息学2020课程的机器学习项目工作-源码

  2. 毫升课程计划 用于2020年医学生物信息学机器学习个别课程项目分配的回购协议。 描述 在此项目中，目标是将各种机器学习（ML）方法应用于选择的数据集并评估其性能。当我在博士学位研究中使用空间转录组学（ST）时，我决定将此类数据集用于该项目。该工作量应相当于大约一个星期的工作。 在此项目中，我选择将ML应用于一组乳腺癌ST数据集，其中每个数据点（“斑点”）均被标注为癌症或健康，并使用ML来查看是否可以仅使用ML来预测这些标签基因表达数据。 代码 使用Jupyter Notebook的Python

  3. 所属分类：其它

    • 发布日期：2021-03-21
    • 文件大小：42mb
    • 提供者：weixin_42160278

  1. Research-Paper:机器学习算法在乳腺癌检测中的比较分析-源码

  2. 研究论文 机器学习算法在乳腺癌检测中的比较分析

  3. 所属分类：其它

    • 发布日期：2021-03-20
    • 文件大小：392kb
    • 提供者：weixin_42161450

  1. data_cleaning-源码

  2. 数据清理 乳腺癌使用的数据集特征是根据乳腺肿块细针抽吸（FNA）的数字化图像计算得出的。他们描述了图像中存在的细胞核的特征。在3维空间中的描述如下：[KP Bennett和OL Mangasarian：“两个线性不可分集合的鲁棒线性编程判别”，优化方法和软件1，1992， 23-34]。等级分配：357良性，212恶性 缺失值请注意，只有“裸核”列包含缺失值。在以下示例中，“裸核”列中的缺失值替换为该列的中值。显示了数据点子集的替换前后的值。代替替换丢失的值，另一种常见方法是丢弃包含丢失的值的数

  3. 所属分类：其它

    • 发布日期：2021-03-19
    • 文件大小：18kb
    • 提供者：weixin_42155721

  1. deepLearning_intro_course:一组Python脚本，可在Jupyter Networks上课堂上和私人练习-源码

  2. 深度学习入门 一套Python脚本，可在课堂上和Jupyter Networks进行私人练习。 简单的神经网络 文件清单： 1_forward_prop_example.ipynb 2_activation_func_example.ipynb 3_activation_func_muchas_example.ipynb 4_multilayer_example.ipynb 感知器 文件清单： Iris.csv pima_dataset.csv 型号_1neuron.ipynn m

  3. 所属分类：其它

    • 发布日期：2021-03-19
    • 文件大小：762kb
    • 提供者：weixin_42134117

  1. ACT_paper:ACT纸使用的脚本-源码

  2. 乳腺癌在扩张过程中维持亚克隆多样性 指示 该存储库包含手稿中使用的脚本：乳腺癌在扩张过程中维持亚克隆多样性的储备库 脚本位于文件夹R 。 复制代码的代码可以在这里访问： : 由于IRB协议，处理后的数据集无法存放在此存储库中。原始数据集存放在BioProject PRJNA629885下。 请联系相应的作者以获取处理后的数据集。

  3. 所属分类：其它

    • 发布日期：2021-03-19
    • 文件大小：27mb
    • 提供者：weixin_42109125

  1. Data-BreastCancer-Portfolio-源码

  2. 数据乳腺癌癌症组合

  3. 所属分类：其它

  1. Breast-Cancer-Detection-using-Flask-源码

  2. 使用烧瓶的乳腺癌检测

  3. 所属分类：其它

    • 发布日期：2021-03-18
    • 文件大小：105kb
    • 提供者：weixin_42168341

  1. MOmicsNTF-源码

  2. 用于在乳腺癌微环境中基于张量的高阶相关分析的Python脚本。 如果使用此代码，请引用以下文章： Shi，M.，Klindziuk，L.和Mollah，S.，2020年。一种非负张量因子分解方法，用于消除乳腺癌中的卷积微环境。 bioRxiv。 1.ificant_test.ipynb RPPA和GCP数据的重要测试。 2. NTF_with_NCP.ipynb 基于NCP实现的非负张量分解。 3. NTF_with_Tensorly.ipynb 基于Tensorly实现的非负张量分解

  3. 所属分类：其它

  1. Breast-Cancer-Prediction:该项目基本上使用后勤回归模型，通过Scikit-learn将乳腺癌归为恶性或良性-源码

  2. 乳腺癌预测

  3. 所属分类：其它

    • 发布日期：2021-03-17
    • 文件大小：20kb
    • 提供者：weixin_42165583

  1. BreastCancerDetection-源码

  2. 使用机器学习使用以下方法创建乳腺癌检测标识符： 1.逻辑回归2.决策树分类器3.随机森林分类器 发现Randmon森林分类器是最准确的 X_Test是恶性或良性的结果，并且也具有依赖性，而Y_Test是独立的，则是潜在恶性肿瘤的特征。

  3. 所属分类：其它

    • 发布日期：2021-03-15
    • 文件大小：252kb
    • 提供者：weixin_42107491

  1. tech-health-lab--源码

  2. 技术健康实验室 _我们的使命是提高临床设施的效率。 概述 这是一个基于Flask的应用程序，可用于预测不同类型的疾病，例如糖尿病，肺炎，乳腺癌，疟疾和此类疾病。 特征 智能症状检查器 更准确的癌症诊断 更快地诊断各种致命的身体疾病。 能够检测心脏，肝脏，疟疾和肺炎的早期阶段。 还指导如何从疾病中治愈。 [快来了] 分析世界范围内传播的疾病。 [快来了] 包括各种图形和图表，以实现更好的可视化。[即将推出] 预约部分。 [快来了] 肿瘤检测和接触追踪。 [快来了] 动机 这是我的最后一

  3. 所属分类：其它

    • 发布日期：2021-03-14
    • 文件大小：29mb
    • 提供者：weixin_42099116

  1. Breast-Cancer-Prediction-源码

  2. 乳腺癌预测 在乳腺癌数据集上采用了四种机器学习模型来确定最佳模型。 逻辑回归 决策树分类器 随机森林分类器 支持向量机

  3. 所属分类：其它

    • 发布日期：2021-03-14
    • 文件大小：132kb
    • 提供者：weixin_42134097

  1. Cancer-Prediction-ML:使用机器学习进行乳腺癌预测-源码

  2. 癌症预测 使用机器学习进行乳腺癌预测 使用的算法和精度： 算法精度 Logistic Regression Method 0.982456 Decision Tree Classifier Method 0.941520 Random Forest Classifier Method 0.947368 Support Vector Classifier Method 0.970760

  3. 所属分类：其它

    • 发布日期：2021-03-07
    • 文件大小：53kb
    • 提供者：weixin_42127369

  1. MachineLearning-ERbreastCancer：带有梯度下降逻辑回归的ER乳腺癌预测-源码

  2. 使用梯度下降逻辑回归的ER乳腺癌预测 乔治娜·冈萨雷斯（Georgina Gonzalez） 拷贝数畸变，基因组区域的得失是癌症的标志。 拷贝数数据是高维数据，具有大量相关特征。 通常，像在这种情况下一样，样本数量比特征数量少。 在这项工作中，我首先使用阵列CGH的拓扑分析（TAaCGH）[1]降低了维度，从而检测出雌激素受体（ER +）过表达的患者的拷贝数显着异常。 接下来，确定每个患者的特定区域是否异常，从而创建一组二进制变量，这些变量将用作梯度下降逻辑回归模型的特征以预测ER +乳腺癌[

  3. 所属分类：其它

    • 发布日期：2021-02-16
    • 文件大小：245kb
    • 提供者：weixin_42166105

  1. 癌症预测：乳腺癌预测-源码

  2. 乳腺癌预测 乳腺癌预测 关于： 乳腺癌（BC）是全球女性中最常见的癌症之一，根据全球统计数据，它代表着大多数新的癌症病例和与癌症相关的死亡，这使其成为当今社会的重要公共卫生问题。 BC的早期诊断可以促进对患者的及时临床治疗，因此可以显着改善预后和生存机会。 良性肿瘤的进一步准确分类可以防止患者接受不必要的治疗。 因此，对BC的正确诊断以及将患者分为恶性或良性组的分类是许多研究的主题。 利用乳腺癌威斯康星州（诊断）数据集，我创建了一个分类器，可以帮助预测乳腺癌的类型。

  3. 所属分类：其它

    • 发布日期：2021-02-12
    • 文件大小：232kb
    • 提供者：weixin_42129412

  1. 乳腺癌预测：乳腺癌分析-源码

  2. 乳腺癌预测：乳腺癌分析

  3. 所属分类：其它

    • 发布日期：2021-02-05
    • 文件大小：752kb
    • 提供者：weixin_42117082

  1. 人工神经网络：人工神经网络-威斯康星州乳腺癌检测-源码

  2. 人工神经网络 人工神经网络-威斯康星州乳腺癌检测

  3. 所属分类：其它

« 12 3 4 5 »