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. 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. ML-AdaBoost-CancerPrediction:实施AdaBoost算法以提高弱势学习者的表现-源码

  2. ML-AdaBoost-Cancer预测 实施AdaBoost算法（以提高弱势学习者的表现）来预测癌症。

  3. 所属分类：其它

    • 发布日期：2021-03-17
    • 文件大小：17kb
    • 提供者：weixin_42132354

  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. bayesian-networks-源码

  2. 贝叶斯网络在公共卫生领域 贝叶斯网络如何用于公共卫生？ 一个用例是预测某人患病的风险。 本文介绍了贝叶斯网络（BN），然后说明了如何使用BN来预测冠状动脉疾病（CAD）的风险。 本文的大部分内容来自 和 。 所有错误都是我的。 关于贝叶斯网络 BN是一种概率图形模型； 它包含一组变量，以及变量如何相互依赖（例如，一个变量取某个值的概率如何取决于另一个变量的值）。 假设我们具有以下患者水平的数据：是否有人吸烟，有癌症家族史，是否有胸痛症状，是否有呼吸急促症状，是否在X光片上出现了肿瘤，以及患者

  3. 所属分类：其它

    • 发布日期：2021-03-12
    • 文件大小：65kb
    • 提供者：weixin_42129970

  1. CancerPrediction-源码

  2. 癌症预测

  3. 所属分类：其它

    • 发布日期：2021-03-10
    • 文件大小：664kb
    • 提供者：weixin_42102933

  1. GraphRepur-源码

  2. GraphRepur：通过基于图神经网络的药物暴露表达谱和药物-药物链接的整合，针对乳腺癌的药物重用 概述 该目录包含运行GraphRepur算法所需的代码。 GraphRepur可用于预测癌症的新药。 GraphRepur是基于GraphSAGE构建的，并修改了GraphSAGE的损失函数以处理不平衡的乳腺癌数据。 要求 要安装所有依赖项，Python的版本必须为<= 3.7。 需要TensorFlow，numpy，scipy，sklearn和networkx（但tensorflow必须

  3. 所属分类：其它

    • 发布日期：2021-03-07
    • 文件大小：20mb
    • 提供者：weixin_42127369

  1. breast-cancer-diagnostics-源码

  2. 使用机器学习进行乳腺癌诊断 该项目的目的是采用UCI机器学习存储库中的乳腺癌威斯康星州（诊断）数据集，并应用Logistic回归，朴素贝叶斯，支持向量机，决策树和多层感知器等机器学习模型来提取特征可能最适合预测癌症性质的数据集。 目的是对乳腺癌是良性还是恶性进行分类。 确定基于模型预测的模型的准确性，以相互分析和比较生成的模型，并从模型中选择最佳模型。 多层感知器是测试过的模型中最准确的模型，准确度为97.2％。

  3. 所属分类：其它

  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. Machine_Learning_with_Python:机器学习（Coursera培训）-源码

  2. 使用Python进行机器学习 由IBM在Coursera上提供 我了解了机器学习的目的及其在现实世界中的应用。 我对机器学习主题进行了概述，例如有监督学习与无监督学习，模型评估以及机器学习算法。 话题： 回归，分类，聚类，Sci-kit学习和SciPy 项目： 癌症检测，预测经济趋势，预测客户流失，推荐引擎等等。 最终的Capston项目： 证书：

  3. 所属分类：其它

  1. Breast-Cancer-Prediction-App-源码

  2. 乳腺癌预测应用 问题陈述 - 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。 ML技术已广泛用于乳腺癌分类问题。 它们提供了高分类精度和有效的诊断功能。 我们的主要目标是使用Flask API构建应用程序，并在Heroku上部署以对乳腺癌是良性还是恶性进行分类。 有了这段代码，我们将学习： 如何在Heroku上使用

  3. 所属分类：其它

  1. PSPG-CDD：UCSF PSPG计算药物发现研讨会-源码

  2. UCSF PSPG计算药物发现研讨会 第一天 该研讨会的总体目标是将机器学习方法应用于DTP-NCI60癌症药物筛选数据集（ ）来预测哪种化合物与肿瘤治疗最相关提供给您的数据。 NCI60数据集由针对来自10种组织亚型的60种单个癌细胞系筛选出的大约27k化合物组成。 为了确定哪种化合物最适合治疗，您将需要确定与您的肿瘤最相关的细胞系。 在研讨会的第二部分之前，您的目标是探索NCI60提供的数据集，并确定要关注的细胞系。 在研讨会结束时，您将展示1-3张幻灯片（最多），这些幻灯片是关于您

  3. 所属分类：其它

    • 发布日期：2021-02-27
    • 文件大小：30mb
    • 提供者：weixin_42128141

  1. 令人敬畏的跳板顶点：从以前的跳板学生那里收集伟大项目的平台-源码

  2. 令人敬畏的跳板顶点 从以前的跳板学生那里收集伟大的项目/成就的地方。 资源 关联 笔记 过去的学生的站点，这个学生非常活跃并且有一些出色的经历 “使用Rideshare“ Trips”数据集进行机器学习” 预测纽约市内任意两个位置X和Y之间的黄色出租车行车时间 “使用机器学习启发的质谱分析进行高精度癌症预测” “我会给几颗星？预测亚马逊评论的评分” “伯克希尔·哈撒韦公司股东信函的主题模型分析” “预测安大略夏季的每日峰值用电需求” “使用客户评分和评论为亚马逊构建混合产品推荐系统

  3. 所属分类：其它

  1. 红色神经元预测癌症-源码

  2. IA：癌症的红色神经元预防癌症 由JMRS（技术专家）进行的合作计划 …

  3. 所属分类：其它

  1. 癌症预测-源码

  2. 癌症预测

  3. 所属分类：其它

    • 发布日期：2021-02-18
    • 文件大小：34kb
    • 提供者：weixin_42109732

  1. 乳房癌预测-源码

  2. 乳腺癌预测 问题定义 乳腺癌是乳腺癌细胞的癌症。 世界范围的乳腺癌是女性癌症的主要类型，占所有病例的25％。 它是美国女性中诊断出的第二大常见癌症。 它可以在男性和女性中发生，但在女性中更为普遍。 多年来，由于诊断和治疗的进步，乳腺癌的存活率提高了，与乳腺癌有关的死亡人数下降了。 早期发现意味着使用一种方法，该方法可以帮助乳腺癌在疾病发展之前在时间轴上更早地得到诊断。 乳腺癌的认识和筛查是有助于及时诊断和治疗的两个主要组成部分。 受癌症影响的细胞称为恶性细胞。 恶性细胞与人体内的正常细胞不同，它

  3. 所属分类：其它

  1. 癌症预测-源码

  2. 乳腺癌预测 知识库是一项学习练习，旨在： 将机器学习和深度学习的基本概念应用于可用数据集。 根据观察到的数据集评估和解释结果，并证明我的解释是正确的。创建用作计算记录的笔记本并记录我的思考过程。 分析分为四个部分，保存在此存储库的Juypter笔记本中。 识别问题和数据源探索性数据分析使用目标输出功能对数据构建模型进行预处理，以预测乳腺癌。 draft.ipynb Jupyter笔记本由2005-2017年的合并数据集组成，具有1048575个数据点，其输出特征的年龄。 BreastC

  3. 所属分类：其它

    • 发布日期：2021-02-18
    • 文件大小：760kb
    • 提供者：weixin_42134234

  1. Cancer-AI：用于对癌症中的激活突变进行计算机分析的计算平台-源码

  2. 癌症 介绍 Cancer-AI是一种计算机平台，用于计算机分析癌症中的激活突变。 我们的平台能够以82％的平衡准确度可靠地预测与癌症相关的激酶的酪氨酸激酶结构域（TKD）中发现的突变的激活行为。 宾夕法尼亚大学的Radhakrishnan实验室（ ）开发了Cancer-AI。 设置 目录中有四个文件夹： 支持向量机 逻辑回归 神经网络 随机森林 每个文件夹包含以下用于实现每个ML算法的核心代码。 all_kinase.xlsx paper_train_data paper_test_d

  3. 所属分类：其它

    • 发布日期：2021-02-16
    • 文件大小：439kb
    • 提供者：weixin_42169971

  1. 皮肤_癌症_前哨-源码

  2. 皮肤癌前哨 :hourglass_done: 项目视频 :movie_camera: :smiling_face_with_halo: 动机 皮肤癌是一种危险且普遍的疾病，早期发现可提高生存率。 发现熟练的皮肤科医生通常遵循一系列步骤，从肉眼观察可疑病变开始，然后进行皮肤镜检查和活检。 这将耗费时间，并且疾病可能发展到后期。 此外，取决于临床医生的技能，准确的诊断是主观的。 为了尽早快速诊断皮肤癌，我们需要通过开发计算机图像分析算法来进行广泛的研究。 我们提出了基于AI的解决方案合规性，用

  3. 所属分类：其它

  1. Decision-Trees-Cancer-Prediction-：使用现有数据预测决策树来预测乳腺癌的示例（Scikit-learnpython）-源码

  2. 决策树癌症预测 使用现有数据通过决策树进行学习来预测乳腺癌的示例（scikit-learn / python） 加工 收集的数据样本已分为测试样本和训练样本。 使用scikit的决策树生成器和转换集，可用于基于ID3生成树。 然后可以将测试数据用于交叉验证生成的树的准确性。 这个小程序还生成pdf，以可视化生成的树。 注意 该程序仅用于演示/实验目的。 以下是依赖项 python numpy scipy scikit-学习pydotplus graphviz 使用说明 安装python版本2

  3. 所属分类：其它

« 12 »