论文部分内容阅读
基于支持向量机的K-CV的交叉验证,以肝脏健康状况诊断为例,构建了肝脏疾病的支持向量机模型,对340位志愿者的血液中MVC平均红细胞容积、Alkphos碱性磷酸酶、丙氨酸氨基转移酶、天冬氨酸转氨酶和γgtγ-谷氨酰转肽酶五项指标分组进行机器学习,检测样本的诊断准确率为73.52％.结论支持向量机相对稀疏网格68％的预测概率,更适合构建诊断肝脏健康状况的模型,辅助临床决策.