Применение методов машинного обучения в медицине
Аннотация
Аннотация. Работа посвящена изучению и реализации методов машинного обучения в медицине.
В частности, в рамках исследования особенное внимание уделяется нескольким методам:
клисические методы, такие как линейная регрессия, метод опорных векторов, k-лижайших соседей,
дерево решений, случайный лес и наивный бейсовский метод;
метод комитета и 3 его логики: комитет единоглассия, комитет большинства, комитет старшинства.
Также была изучена значимость восстановления данных, и были реализованы методы восстановления данных.
Была выдвинута гипотеза о линейной регрессии между признаками, благодаря котором можно провести последовательное
восстановление данных. Затем были выбраны лучшие комбинации методов машинного обучения и методов восстановления данных.
Ключевые слова. Машинное обучение, медицина, восстановление данных.
Annotation. The work is devoted to the study and implementation of machine learning methods in medicine.
In particular, the study focuses on several methods:
clinical methods such as linear regression, support vector machines, k-nearest neighbors,
decision tree, random forest and naive Bays method;
committee method and its 3 logics: unanimity committee, majority committee, seniority committee.
The significance of data recovery has also been studied and data recovery methods have been implemented.
A hypothesis was put forward about a linear regression between the signs, thanks to which it is possible to carry out a consistent
data recovery. The best combinations of machine learning methods and data recovery methods were then selected.
Keywords. Machine learning, medicine, data recovery.
В частности, в рамках исследования особенное внимание уделяется нескольким методам:
клисические методы, такие как линейная регрессия, метод опорных векторов, k-лижайших соседей,
дерево решений, случайный лес и наивный бейсовский метод;
метод комитета и 3 его логики: комитет единоглассия, комитет большинства, комитет старшинства.
Также была изучена значимость восстановления данных, и были реализованы методы восстановления данных.
Была выдвинута гипотеза о линейной регрессии между признаками, благодаря котором можно провести последовательное
восстановление данных. Затем были выбраны лучшие комбинации методов машинного обучения и методов восстановления данных.
Ключевые слова. Машинное обучение, медицина, восстановление данных.
Annotation. The work is devoted to the study and implementation of machine learning methods in medicine.
In particular, the study focuses on several methods:
clinical methods such as linear regression, support vector machines, k-nearest neighbors,
decision tree, random forest and naive Bays method;
committee method and its 3 logics: unanimity committee, majority committee, seniority committee.
The significance of data recovery has also been studied and data recovery methods have been implemented.
A hypothesis was put forward about a linear regression between the signs, thanks to which it is possible to carry out a consistent
data recovery. The best combinations of machine learning methods and data recovery methods were then selected.
Keywords. Machine learning, medicine, data recovery.