夏淑洁，杨朝阳，周常恩，辛基梁，张佳，杜国栋，李灿东

（1.福建中医药大学中医证研究基地，福建福州 350122；2.福建省中医健康状态辨识重点实验室，福建福州 350122；3.厦门大学智能科学与技术系，福建厦门 361005）

辨证论治是中医的精髓，精准辨证是有效治疗的前提。当前，中医辨证存在客观化、定量化、标准化等方面的不足，限制了中医的进一步传承和发展，因此，迫切需要运用现代科学技术的理论和方法推进中医诊断的客观化与规范化研究[1-2]。人体是一个复杂的有机整体，证候具有多维性、模糊性、复杂性的特点，难以简单用传统单一、线性的分析方法进行研究[3-4]。而数据挖掘技术，尤其是机器学习[5]，利用海量临床数据，通过模拟中医临床诊断推理过程来挖掘临床诊断数据中繁杂的病-证-症关系，可克服人类认知和思维的局限性，充分照顾到中医整体观、模糊性、非线性的特点，从而寻找大数据下隐藏的中医知识和规律，助力中医诊断客观化的进程。以下对近年来常见机器学习方法在中医诊断领域的应用进行述评。

1 支持向量机

支持向量机（support vector machine，SVM）于1995年首次提出，是一种以统计学理论为基础的模式识别的机器学习方法[6]。SVM是机器学习领域若干技术集大成者，它具有严格的理论和数学基础，可较好地实现结构风险最小化思想，能较为合理地解决小样本、非线性、高维数和局部最小等实际问题。SVM的关键在于针对样本数据不可分情况，利用核函数把一个复杂的分类任务映射，使之能转化成一个线性可分问题[7]。……