文件名称：在大数据上使用机器学习进行疾病预测-研究论文
文件大小：596KB
文件格式：PDF
更新时间：2024-06-29 07:27:09
big data analytics
由于生物医学和医疗保健领域的大数据进步，对医疗数据的准确研究有利于早期疾病识别、患者护理和社区服务。 当医学数据的质量不完整时，研究的准确性就会降低。 此外，不同地区表现出某些区域性疾病的独特表现，这可能会削弱疾病爆发的预测。 在所提出的系统中，它提供了机器学习算法，用于有效预测疾病频繁社会中各种疾病的发生。 它在收集的真实医院数据上试验改变的估计模型。 为了克服数据不完整的困难，它使用潜在因子模型来重建缺失的数据。 它对脑梗塞的区域性慢性病进行了实验。 使用来自医院的结构化和非结构化数据，它使用机器学习决策树算法和 Map Reduce 算法。 据我们在医疗大数据分析领域的知识，现有的工作都没有集中在这两种数据类型上。 与几种典型的估计算法相比，我们提出的算法的计算精度达到了94.8%，收敛速度比基于CNN的单峰疾病风险预测（CNN-UDRP）算法更快。