王苏淮 李晶洁，2

(1.哈尔滨医科大学附属第一医院，黑龙江 哈尔滨 150000； 2.哈尔滨医科大学附属第一医院心内科，黑龙江 哈尔滨 150000)

1 机器学习概述

1.1 简介

人工智能(artificial intelligence，AI)是研究计算机模拟人的思维过程和智能行为的学科，已在多个领域得到了广泛应用。机器学习(machine learning，ML)作为AI的核心，不仅涉及信息技术领域，目前也逐渐成为医学领域的重要研究手段[1-6]。

1.2 算法

1.2.1 ML算法分类

ML主要分为监督学习和无监督学习。目前临床医学最常用的是监督学习算法，通过学习一组包含输入对象(通常为矢量)和期望的输出值(也称为监督信号)的标签数据集，产生具有推断功能的模型，然后将模型应用于未知数据集，达到分类或回归的目标(当目标变量是分类变量时，完成分类；当目标变量是连续性数值时，完成回归)。常用的监督学习算法包括K-近临(KNN)、支持向量机(SVM)、决策树、随机森林(RF)、逻辑性回归、提升法(Boosting)和人工神经网络(ANN)等[7-8]。无监督学习是在无标签的输入数据集中发现其自然关系和分组。常用的无监督学习算法包括K均值聚类、分层聚类和主成分分析等。

1.2.2 ML的一般流程

ML的一般流程主要包括以下几个方面：(1)数据采集；(2)数据预处理；(3)特征提取；(4)特征选择；(5)根据数据特征选择不同ML算法；(6)构建ML模型并评估其性能[5]。输入的数据集通常被划分为训练、验证和测试集：训练集包含大量变量，用于模型的开发；验证集用于微调模型的超参数；测试集则输入到构建的ML模型中，用于性能的评估[9]。

2 ML在心血管疾病医……

登录APP查看全文