文件名称：2018_mlw:2018年工作坊资料
文件大小：8.62MB
文件格式：ZIP
更新时间：2024-05-22 06:46:15
JupyterNotebook
用于临床预测分析的机器学习 翁伟雄（MIT） 我们想在研讨会上介绍用于临床知识发现的基本机器学习技术和工具包。 该材料将涵盖用于临床预测任务的常见有用算法，以及将机器学习应用于实际问题的诊断工作流程。 我们将使用 / python jupyter笔记本和两个数据集： 乳腺癌威斯康星州（诊断）数据库，以及 从PhysioNet数据库中预提取的ICU数据 建立预测模型。 本研讨会教程的学习目标是： 了解如何使用Google Colab / Jupyter Notebook 了解如何为临床分类和/或聚类任务构建机器学习模型 为了无障碍地加速进步，我们希望读者满足以下先决条件： [Skillset]基本的python语法 [要求] Google帐户或 该存储库包括三个教程jupyter笔记本。 您可能要下载它或在colab上运行它。 在，我们将介绍分类问题的机器学习基础。 本教程是从
【文件预览】：
2018_mlw-master
----img()
--------pca.png(132KB)
--------1dcnn.png(217KB)
--------ff.png(190KB)
--------conv.png(73KB)
--------loss.png(183KB)
--------pool.png(72KB)
--------rnn.png(114KB)
--------adv.png(1.91MB)
--------nn.png(148KB)
----nb1_classification.ipynb(346KB)
----LICENSE(1KB)
----sg_ml2.ipynb(713KB)
----README.md(2KB)
----gcp_setup.ipynb(3KB)
----data()
--------PhysionetChallenge2012_data.csv(2.82MB)
----nb3_nn.ipynb(636KB)
----nb2_clustering.ipynb(610KB)
----.gitignore(1KB)
----20180710_up_workshop.pdf(3.95MB)