人工智能自动组方实习笔记6—机器学习分类算法及python+SKlearn实现

最新推荐文章于 2022-09-14 21:11:14 发布
最新推荐文章于 2022-09-14 21:11:14 发布
阅读量1.1k 收藏 4
点赞数
分类专栏： 人工智能自动组方 机器学习 python代码 文章标签： 北京工业大学赵亮 机器学习 sklearn 个人总结 分类算法
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq_22235017/article/details/81670107
版权
本文介绍了作者在人工智能自动组方实习中，应用机器学习分类算法进行病症与证型匹配的尝试。主要涉及PCA降维、朴素贝叶斯、SVM、逻辑回归、CART决策树等方法，并分析了分类算法在中医数据集上的局限性，最终转向聚类算法的原因。
摘要由CSDN通过智能技术生成

本文记录了在人工智能自动组方实习中所进行的机器学习分类算法的实现和个人总结，如果有哪位小伙伴在做相关内容，可以发邮件（1318525510@qq.com）我们一起交流学习
以下为该项目的系列文章
工作记录
萤火虫算法
FCM模糊C聚类
爬虫及python代码
数据预处理
中医分类及python代码
数据预处理python代码
基于字典的最大正向匹配
基于欧式距离的方剂推荐
基于方剂相似性的方剂推荐
GitHub地址

#PCA 主成分分析
在进行分类算法时，我们将病症转化为onehot向量之后因为维度太大（2000维病症）计算效果很差，所以采用了PCA进行降低维度，但降低维度之后效果也不是很好，然后才使用了下面的数据预处理环节，建立了病症同义词词典和降低了病症集维度。关于PCA的内容详情请见我的另一篇博文PCA主成分分析
#机器学习分类算法
在分类算法模块我们将对方剂数据集中的主治字段的病症作为特征输入，将我们人工标注的该方剂的治疗证型作为标签。
我们将病症转化为onehot向量，通过分类算法得到该病症集合的所对应的证型，在通过该证型找到治疗该证型的药方，从而实现根据病症得到药方的功能。

Created with Raphaël 2.2.0 病症集 病机 药方

在这里我们使用的分类方法是经典的机器学习分类方法，对于每一个机器学习算法，具体详情请看对应的每一篇具体博文：

  1. 朴素贝叶斯原理
  2. SVM
  3. 逻辑回归
  4. CART决策树

##SKlearn调包实现分类算法

impor
最低0.47元/天 解锁文章
BJUT赵亮
关注
  • 0
    点赞
  • 踩
  • 4
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
人工智能自动组方实习笔记—基于欧式距离方剂推荐
赵亮的CSDN博客
10-25 691
文章目录根据病症相似性进行匹配推荐药方数据预处理推荐药方 根据病症相似性进行匹配推荐药方 数据预处理 对于有证型标签的279条带下病的数据进行人工标注实体分为病名、病症、证型、治疗方法四个类别，其列表长度分别为37、1082、62、183 对于1082维的病症类别，通过与中医字典进行对比，计算L式编辑距离与人工操作，将病症化简为471种病症，得到有关带下病病症字典，其中默认每种病症的第一个描述方...
Python机器学习--算法实现--常用算法在Sklearn中的聚类算法和分类算法关键参数详解
寒江之雪，披蓑独钓的博客
09-05 1354
常用算法在Sklearn中的关键参数详解 聚类算法 K-Means算法基于Sklearn中的参数 from sklearn.cluster import KMeans KMeans(n_clusters=8 , init='k-means++' ,n_init=10 ,max_iter=300 , tol=0.0001 , precompute_distances='auto' , verbose=0 ,ran
Python 机器学习4：sklearn 分类算法
Amzmks的博客
07-21 7762
1. 数据集划分 sklearn为我们提供了datasets模块，其中包括很多经典的数据集： from sklearn import datasets 这里我们查看鸢尾花分类的数据集，其中包括特征值和目标值。 from sklearn.datasets import load_iris li = load_iris() print("获取特征值") print(li.data) print("目标值") print(li.target) print(li.DESCR) 将数据集划分为训练集和
python程序实现文件自动分类
05-11
python程序实现某一文件夹内不同文件类型自动分类，输入excel表格中
一、sklearn实现K邻近分类算法
weixin_30649641的博客
02-25 416
一、K邻近算法的基本概念 　　一个样本在特征空间中最邻近(距离)的K个样本大多数属于某一个类别，则该样本也属于这个类别。 二、sklearn使用欧氏距离实现KNN算法 # 倒入sklearn库中的KNN算法类 from sklearn.neighbors import KNeighborsClassifier # 创建KNN算法实例并设置K值 KNN_classifier ...
基于机器学习的中医治疗肝硬化组方规律研究.pdf
09-24
《基于机器学习的中医治疗肝硬化组方规律研究》这篇论文探讨了如何运用机器学习技术来分析中医治疗肝硬化的处方规律，旨在为临床用药和新药研发提供科学依据。研究采用了某三甲中医院两年内的肝病治疗处方数据，通过...
机器学习在方剂研究中的应用概述.pdf
09-24
随着信息技术和人工智能的迅速发展，机器学习已成为中医现代化研究的重要工具，特别是在方剂研究方面。本文将深入探讨机器学习在方剂研究中的应用、挑战与未来趋势。 一、机器学习方法在方剂研究中的应用 1. 聚类...
大数据-算法-中医方剂定量化问题研究及动物实验验证.pdf
04-15
中医方剂是中医药学的重要组成部分，其复杂的组方原理一直是中医现代化研究的重点。随着大数据技术的发展，利用算法对中医方剂进行定量分析已经成为可能。本论文旨在结合现代工程思维和中医基本理论，提出一种新的...
益髓颗粒组方分析及应用研究
01-06
益髓颗粒组方分析及应用研究，李冬云，马薇，益髓颗粒具有“益气养阴，活血止血”功效，作为医院制剂应用于血液病治疗已10余年。本文从益髓颗粒组方与功效、实验研究、临床研�
保健食品选方、组方及配方依据.ppt
09-27
总的来说，保健食品的选方、组方及配方依据是一个综合了营养学、药理学、生物学和食品安全等多个领域的复杂过程，它不仅要求产品具有实际的健康效益，还需要符合严格的法规标准，确保消费者的权益和健康。
实现svm对鸢尾花进行分类
03-08
实现svm对鸢尾花进行分类，3个不同品种的花每个50个数据进行分类，鸢尾花数据：archive.ics.uci.edu/ml/datasets/Ilis
人工智能自动组方实习笔记5—中医数据预处理流程
赵亮的CSDN博客
07-10 2038
本文将记录在人工智能智能组方实习中有关数据预处理及使用机器学习分类算法的总结,有如果有哪位小伙伴在做相关内容，可以发邮件联系（1318525510@qq.com）与我互相学习互撩互喷 数据预处理 在该推荐模块使用的数据集是前期279条带下病药方数据集，该数据集包含了方名、规范名、经典、出处、主治、大类类型、证型、功用、功用大类、功用小类、处方、炮制、方解、禁忌、化裁、附方、文献、用法用量、名家...
python机器学习项目实战，相当有借鉴意义的15个项目
xiangxueerfei的博客
09-14 3664
今天，我们带来了 15 个机器学习的练手项目。同时在完成这些项目搭建之前，还有其涉及相关知识都一同编辑加入该实战文档，助你一臂之力。
【scikit-learn】用Python进行机器学习实验
Jason Ding的专栏
12-17 4240
本文是用Python编程语言来进行机器学习小实验的第一篇。主要内容如下： 读入数据并清洗数据 探索理解输入数据的特点 分析如何为学习算法呈现数据 选择正确的模型和学习算法 评估程序表现的准确性
机器学习算法三之Python机器学习库sklearn简介
yohnyang的博客
08-06 2050
机器学习库使用简介
C#开发微信订阅号、服务号视频教程
07-04
C#开发微信订阅号、服务号
XML编程
12-31
在现代的开发之中，XML技术无处不在，在各个开发框架中，也都到处充斥着XML配置文件的身影。本课程将为读者讲解XML的产生背景，并且详细分析了HTML与XML的区别、XML核心语法，重点在于XML的解析技术（DOM、SAX、DOM4J工具），同时讲解了如何在HTML页面利用JavaScript进行DOM解析实现页面动态开发。官方QQ群：612148723。
JavaWeb实战开发
05-01
本课程详细讲解了以下内容：    1.jsp环境搭建及入门、虚拟路径和虚拟主机、JSP执行流程    2.使用Eclipse快速开发JSP、编码问题、JSP页面元素以及request对象、使用request对象实现注册示例    3.请求方式的编码问题、response、请求转发和重定向、cookie、session执行机制、session共享问题     4.session与cookie问题及application、cookie补充说明及四种范围对象作用域     5.JDBC原理及使用Statement访问数据库、使用JDBC切换数据库以及PreparedStatement的使用、Statement与PreparedStatement的区别     6.JDBC调用存储过程和存储函数、JDBC处理大文本CLOB及二进制BLOB类型数据     7.JSP访问数据库、JavaBean(封装数据和封装业务逻辑)     8.MVC模式与Servlet执行流程、Servlet25与Servlet30的使用、ServletAPI详解与源码分析     9.MVC案例、三层架构详解、乱码问题以及三层代码流程解析、完善Service和Dao、完善View、优化用户体验、优化三层（加入接口和DBUtil）    1 0.Web调试及bug修复、分页SQL（Oracle、MySQL、SQLSERVER）     11.分页业务逻辑层和数据访问层Service、Dao、分页表示层Jsp、Servlet     12.文件上传及注意问题、控制文件上传类型和大小、下载、各浏览器下载乱码问题     13.EL表达式语法、点操作符和中括号操作符、EL运算、隐式对象、JSTL基础及set、out、remove     14.过滤器、过滤器通配符、过滤器链、监听器     15.session绑定解绑、钝化活化     16.以及Ajax的各种应用     17. Idea环境下的Java Web开发
用ptyhon中的数组方方法实现 根据⽤于指定⽉份,打印该⽉份所属的季节。 提⽰: 3,4,5 春季 6,7,8 夏季 9,10,11 秋季 12, 1, 2 冬季
最新发布
09-27
可以使用Python中的条件语句和列表来实现根据月份打印季节的功能。具体实现如下： ```python def print_season(month): seasons = { (3, 4, 5): "春季", (6, 7, 8): "夏季", (9, 10, 11): "秋季", (12, 1, 2): "冬季" } for season_months, season_name in seasons.items(): if month in season_months: print(f"{month}月份是{season_name}") break else: print("输入的月份无效") print_season(4) ``` 输出结果： ``` 4月份是春季 ```
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值