1. Trang chủ
  2. Luận Văn - Báo Cáo

Nghiên cứu các giải thuật máy học và áp dụng vào bài toán dự đoán bệnh thận tại bệnh viện đa khoa tỉnh điện biên dùng ngôn ngữ python

99 148 1
Nghiên cứu các giải thuật máy học và áp dụng vào bài toán dự đoán bệnh thận tại bệnh viện đa khoa tỉnh điện biên dùng ngôn ngữ python

Đang tải... (xem toàn văn)

Tài liệu hạn chế xem trước, để xem đầy đủ mời bạn chọn Tải xuống

Thông tin tài liệu

Nghiên cứu mô hình Máy học: Support Vector Machine (SVM), mô hình Máy học: Logistic Regression (LGR). Tìm hiểu và sử dụng ngôn ngữ Python và các thư viện sử dụng cho các thuật toán Máy học. Thu thập và xử lý dữ liệu các bệnh nhân thận tại Bệnh viện đa khoa tỉnh Điện Biên. Sử dụng ngôn ngữ Python cài đặt hai mô hình Máy học (SVM và LGR) cho bài toán dự đoán bệnh thận.

Ngày đăng: 16/11/2021, 08:48

Xem thêm: Nghiên cứu các giải thuật máy học và áp dụng vào bài toán dự đoán bệnh thận tại bệnh viện đa khoa tỉnh điện biên dùng ngôn ngữ python

Hình ảnh liên quan

BẢNG THUẬT NGỮ VIẾT TẮT - Nghiên cứu các giải thuật máy học và áp dụng vào bài toán dự đoán bệnh thận tại bệnh viện đa khoa tỉnh điện biên dùng ngôn ngữ python
BẢNG THUẬT NGỮ VIẾT TẮT Xem tại trang 4 của tài liệu.
Bảng 1. 1: Dữ liệu được trích từ tệp ex1data1.txt [1] - Nghiên cứu các giải thuật máy học và áp dụng vào bài toán dự đoán bệnh thận tại bệnh viện đa khoa tỉnh điện biên dùng ngôn ngữ python

Bảng 1..

1: Dữ liệu được trích từ tệp ex1data1.txt [1] Xem tại trang 18 của tài liệu.
Nguyên nhân: Điều này xảy xa khi mô hình chúng ta đang xây dựng quá đơn giản so với tập dữ liệu - Nghiên cứu các giải thuật máy học và áp dụng vào bài toán dự đoán bệnh thận tại bệnh viện đa khoa tỉnh điện biên dùng ngôn ngữ python

guy.

ên nhân: Điều này xảy xa khi mô hình chúng ta đang xây dựng quá đơn giản so với tập dữ liệu Xem tại trang 21 của tài liệu.
Hình 1. 2: Mô tả sự cân bằng Bias-Variance - Nghiên cứu các giải thuật máy học và áp dụng vào bài toán dự đoán bệnh thận tại bệnh viện đa khoa tỉnh điện biên dùng ngôn ngữ python

Hình 1..

2: Mô tả sự cân bằng Bias-Variance Xem tại trang 23 của tài liệu.
Bảng 1. 2: Bảng số liệu khám, chữa bệnh và số lần chạy thận tại Bệnh viện đa khoa tỉnh Điện Biên trong 5 năm từ 2012 đến 2017 - Nghiên cứu các giải thuật máy học và áp dụng vào bài toán dự đoán bệnh thận tại bệnh viện đa khoa tỉnh điện biên dùng ngôn ngữ python

Bảng 1..

2: Bảng số liệu khám, chữa bệnh và số lần chạy thận tại Bệnh viện đa khoa tỉnh Điện Biên trong 5 năm từ 2012 đến 2017 Xem tại trang 29 của tài liệu.
Hình 2.1. 1: H3 (màu xanh lá cây) không chia tách hai lớp dữ liệu. H1 (màu xanh lơ) phân tách hai lớp với lề nhỏ và H2 (màu đỏ) phân tách với lề cực đại [1] - Nghiên cứu các giải thuật máy học và áp dụng vào bài toán dự đoán bệnh thận tại bệnh viện đa khoa tỉnh điện biên dùng ngôn ngữ python

Hình 2.1..

1: H3 (màu xanh lá cây) không chia tách hai lớp dữ liệu. H1 (màu xanh lơ) phân tách hai lớp với lề nhỏ và H2 (màu đỏ) phân tách với lề cực đại [1] Xem tại trang 32 của tài liệu.
Hình 2.1. 2:Siêu phẳng với lề cực đại cho một SVM phân tách dữ liệu thuộc hai lớp [1] - Nghiên cứu các giải thuật máy học và áp dụng vào bài toán dự đoán bệnh thận tại bệnh viện đa khoa tỉnh điện biên dùng ngôn ngữ python

Hình 2.1..

2:Siêu phẳng với lề cực đại cho một SVM phân tách dữ liệu thuộc hai lớp [1] Xem tại trang 33 của tài liệu.
Hình 2.1. 3: Tập dữ liệu ban đầu (bên trái) được ánh xạ (dùng hàm nhân) sang không gian mới (bên phải) - Nghiên cứu các giải thuật máy học và áp dụng vào bài toán dự đoán bệnh thận tại bệnh viện đa khoa tỉnh điện biên dùng ngôn ngữ python

Hình 2.1..

3: Tập dữ liệu ban đầu (bên trái) được ánh xạ (dùng hàm nhân) sang không gian mới (bên phải) Xem tại trang 34 của tài liệu.
Hình 2.1. 5: Một siêu phẳng (trong không gia n2 chiều) phân tách hai không gian - Nghiên cứu các giải thuật máy học và áp dụng vào bài toán dự đoán bệnh thận tại bệnh viện đa khoa tỉnh điện biên dùng ngôn ngữ python

Hình 2.1..

5: Một siêu phẳng (trong không gia n2 chiều) phân tách hai không gian Xem tại trang 35 của tài liệu.
Hình 2.1. 4: Một siêu phẳng (trong không gia n2 chiều) khi - Nghiên cứu các giải thuật máy học và áp dụng vào bài toán dự đoán bệnh thận tại bệnh viện đa khoa tỉnh điện biên dùng ngôn ngữ python

Hình 2.1..

4: Một siêu phẳng (trong không gia n2 chiều) khi Xem tại trang 35 của tài liệu.
Hình 2.1. 6: Siêu phẳng với sự thay đổi của các tham số w và b - Nghiên cứu các giải thuật máy học và áp dụng vào bài toán dự đoán bệnh thận tại bệnh viện đa khoa tỉnh điện biên dùng ngôn ngữ python

Hình 2.1..

6: Siêu phẳng với sự thay đổi của các tham số w và b Xem tại trang 36 của tài liệu.
29 - Nghiên cứu các giải thuật máy học và áp dụng vào bài toán dự đoán bệnh thận tại bệnh viện đa khoa tỉnh điện biên dùng ngôn ngữ python

29.

Xem tại trang 39 của tài liệu.
Hình 2.1. 11: Siêu phẳng cho cùng một tập huấn luyện với sự thay đổi củ aC tương ứng [8] - Nghiên cứu các giải thuật máy học và áp dụng vào bài toán dự đoán bệnh thận tại bệnh viện đa khoa tỉnh điện biên dùng ngôn ngữ python

Hình 2.1..

11: Siêu phẳng cho cùng một tập huấn luyện với sự thay đổi củ aC tương ứng [8] Xem tại trang 44 của tài liệu.
Hình 2.1. 12: Các siêu phẳng dùng để phân tách dữ liệu khi hệ số - Nghiên cứu các giải thuật máy học và áp dụng vào bài toán dự đoán bệnh thận tại bệnh viện đa khoa tỉnh điện biên dùng ngôn ngữ python

Hình 2.1..

12: Các siêu phẳng dùng để phân tách dữ liệu khi hệ số Xem tại trang 45 của tài liệu.
Hình 2.1. 13: Hình (a) và (c) minh họa cho các lớp không thể phân tách bởi tuyến tính trong không gian 1 – chiều và 2 – chiều tương ứng - Nghiên cứu các giải thuật máy học và áp dụng vào bài toán dự đoán bệnh thận tại bệnh viện đa khoa tỉnh điện biên dùng ngôn ngữ python

Hình 2.1..

13: Hình (a) và (c) minh họa cho các lớp không thể phân tách bởi tuyến tính trong không gian 1 – chiều và 2 – chiều tương ứng Xem tại trang 47 của tài liệu.
2.2.1. Hàm Logistic - Nghiên cứu các giải thuật máy học và áp dụng vào bài toán dự đoán bệnh thận tại bệnh viện đa khoa tỉnh điện biên dùng ngôn ngữ python

2.2.1..

Hàm Logistic Xem tại trang 51 của tài liệu.
- Không thêm vào mô hình biến số không liên quan - Không có sai số đo lường trong các biến số độc lập - Các đối tượng nghiên cứu là độc lập với nhau - Nghiên cứu các giải thuật máy học và áp dụng vào bài toán dự đoán bệnh thận tại bệnh viện đa khoa tỉnh điện biên dùng ngôn ngữ python

h.

ông thêm vào mô hình biến số không liên quan - Không có sai số đo lường trong các biến số độc lập - Các đối tượng nghiên cứu là độc lập với nhau Xem tại trang 54 của tài liệu.
- Đồ thị hóa dữ liệu và mô hình: Cách này không phù hợp với bài toán nhiều đặc trưng - Nghiên cứu các giải thuật máy học và áp dụng vào bài toán dự đoán bệnh thận tại bệnh viện đa khoa tỉnh điện biên dùng ngôn ngữ python

th.

ị hóa dữ liệu và mô hình: Cách này không phù hợp với bài toán nhiều đặc trưng Xem tại trang 55 của tài liệu.
Hình 3.1. Cấu trúc Thận - Nghiên cứu các giải thuật máy học và áp dụng vào bài toán dự đoán bệnh thận tại bệnh viện đa khoa tỉnh điện biên dùng ngôn ngữ python

Hình 3.1..

Cấu trúc Thận Xem tại trang 61 của tài liệu.
Bảng 3.2: Các đặc tính để xây dựng chương trình - Nghiên cứu các giải thuật máy học và áp dụng vào bài toán dự đoán bệnh thận tại bệnh viện đa khoa tỉnh điện biên dùng ngôn ngữ python

Bảng 3.2.

Các đặc tính để xây dựng chương trình Xem tại trang 70 của tài liệu.
Hình 3.2. Biểu đồ biểu diễn dữ liệu cho bài toán dự đoán bệnh Thận - Nghiên cứu các giải thuật máy học và áp dụng vào bài toán dự đoán bệnh thận tại bệnh viện đa khoa tỉnh điện biên dùng ngôn ngữ python

Hình 3.2..

Biểu đồ biểu diễn dữ liệu cho bài toán dự đoán bệnh Thận Xem tại trang 75 của tài liệu.
Tuy nhiên, nếu dữ liệu dự đoán của chúng ta giống như Hình 3.6, thì khi đó mô hình với giá trị C nhỏ sẽ cho độ chính xác tốt hơn - Nghiên cứu các giải thuật máy học và áp dụng vào bài toán dự đoán bệnh thận tại bệnh viện đa khoa tỉnh điện biên dùng ngôn ngữ python

uy.

nhiên, nếu dữ liệu dự đoán của chúng ta giống như Hình 3.6, thì khi đó mô hình với giá trị C nhỏ sẽ cho độ chính xác tốt hơn Xem tại trang 81 của tài liệu.
Hình 3. 7: Mô hình SVM cho bài toán hoa Ailen với các giá trị khác nhau của tham số Gamma - Nghiên cứu các giải thuật máy học và áp dụng vào bài toán dự đoán bệnh thận tại bệnh viện đa khoa tỉnh điện biên dùng ngôn ngữ python

Hình 3..

7: Mô hình SVM cho bài toán hoa Ailen với các giá trị khác nhau của tham số Gamma Xem tại trang 82 của tài liệu.
Hình 3. 8: Mô hình SVM cho bài toán hoa Ailen với các giá trị khác nhau của 2 tham số Gamma và C - Nghiên cứu các giải thuật máy học và áp dụng vào bài toán dự đoán bệnh thận tại bệnh viện đa khoa tỉnh điện biên dùng ngôn ngữ python

Hình 3..

8: Mô hình SVM cho bài toán hoa Ailen với các giá trị khác nhau của 2 tham số Gamma và C Xem tại trang 83 của tài liệu.
# huấn luyện mô hình trên tâp huấn luyện - Nghiên cứu các giải thuật máy học và áp dụng vào bài toán dự đoán bệnh thận tại bệnh viện đa khoa tỉnh điện biên dùng ngôn ngữ python

hu.

ấn luyện mô hình trên tâp huấn luyện Xem tại trang 84 của tài liệu.
Bảng 3. 3:Kết quả tổng hợp của mô hình SVM cho bài toán dự báo bệnh thận ứng với các giá trị khác nhau của 2 tham số C và kernel - Nghiên cứu các giải thuật máy học và áp dụng vào bài toán dự đoán bệnh thận tại bệnh viện đa khoa tỉnh điện biên dùng ngôn ngữ python

Bảng 3..

3:Kết quả tổng hợp của mô hình SVM cho bài toán dự báo bệnh thận ứng với các giá trị khác nhau của 2 tham số C và kernel Xem tại trang 85 của tài liệu.
Chương trình 3.6: Chương trình thực thi mô hình SVM với sự thay đổi của tham số gamma - Nghiên cứu các giải thuật máy học và áp dụng vào bài toán dự đoán bệnh thận tại bệnh viện đa khoa tỉnh điện biên dùng ngôn ngữ python

h.

ương trình 3.6: Chương trình thực thi mô hình SVM với sự thay đổi của tham số gamma Xem tại trang 86 của tài liệu.
Phần này sẽ cài đặt mô hìnhLogistic Regression cho bài toán dự báo bệnh thận. Để xem sự ảnh hưởng của các tham số như đã trình bày trong phần trước (phần 3.4), Tôi có thay đổi các giá trị của tham số - Nghiên cứu các giải thuật máy học và áp dụng vào bài toán dự đoán bệnh thận tại bệnh viện đa khoa tỉnh điện biên dùng ngôn ngữ python

h.

ần này sẽ cài đặt mô hìnhLogistic Regression cho bài toán dự báo bệnh thận. Để xem sự ảnh hưởng của các tham số như đã trình bày trong phần trước (phần 3.4), Tôi có thay đổi các giá trị của tham số Xem tại trang 87 của tài liệu.
Chương trình 3. 9: Chương trình thực thi mô hìnhLogistic Regression - Nghiên cứu các giải thuật máy học và áp dụng vào bài toán dự đoán bệnh thận tại bệnh viện đa khoa tỉnh điện biên dùng ngôn ngữ python

h.

ương trình 3. 9: Chương trình thực thi mô hìnhLogistic Regression Xem tại trang 89 của tài liệu.

Từ khóa liên quan

Trích đoạn

PYTHON TRONG MÁY HỌC

TỔNG KẾT CHƯƠNG 2

DỮ LIỆU BỆNH NHÂN MẮC BỆNH THẬN

Thu thập các bệnh án tại bệnh viện đa khoa tỉnh Điện Biên

XỬ LÝ DỮ LIỆU BỆNH NHÂN MẮC BỆNH THẬN

Sự tác động của tham số C

XÂY DỰNG THUẬT TOÁN SVM TRONG DỰ BÁO BỆNH THẬN

XÂY DỰNG THUẬT TOÁN LGR DỰ BÁO BỆNH THẬN

Tài liệu cùng người dùng

Tài liệu liên quan