3-4項(xiàng)目2—輔助診斷乳腺癌模塊?分門別類：幫你“分而治之”目錄CONTENTS提出問題01預(yù)備知識(shí)03解決方案02任務(wù)1—準(zhǔn)備訓(xùn)練集和測試集04任務(wù)3—評估模型診斷效果06任務(wù)2—構(gòu)建和訓(xùn)練模型05一.提出問題問題描述隨著醫(yī)療AI在醫(yī)療領(lǐng)域的投入使用，如今智慧醫(yī)療科技的新紀(jì)元已經(jīng)開啟，如圖4-17所示，借助“人工智能大腦”，AI輔助診療新時(shí)代正在到來。而現(xiàn)在AI輔助診斷技術(shù)的應(yīng)用，能夠很大程度地提高醫(yī)療機(jī)構(gòu)、醫(yī)生的工作效率，降低醫(yī)生的工作強(qiáng)度，降低漏診率。那么，AI是如何輔助醫(yī)生進(jìn)行病情診斷的呢二.解決方案1.問題本質(zhì)從活檢數(shù)據(jù)中判斷患者是有病還是沒病，本身是一個(gè)二分類問題，另外，活檢數(shù)據(jù)稀有、獲取成本高，符合SVM的適用條件，為此，采用SVM進(jìn)行分類。采用SVM求解問題二.解決方案2.解決方案三.預(yù)備知識(shí)1.SVM的最優(yōu)分界面H0則是最優(yōu)分界面，因?yàn)樗絻蛇吪R界分界面的距離最大,具有較強(qiáng)的抗噪聲能力和較小的泛化誤差。三.預(yù)備知識(shí)2.SVM模型參數(shù)核函數(shù)K(x,y)變換線性不可分線性可分SVM模型的常用參數(shù)三.預(yù)備知識(shí)3.解讀數(shù)據(jù)集其中id列是編號，無實(shí)際意義。診斷列diagnosis取值[M|B]，分別表示診斷為惡性或良性。其他30個(gè)列由細(xì)胞核的10個(gè)不同特征的平均值、標(biāo)準(zhǔn)差、最差值等構(gòu)成。四.任務(wù)1——準(zhǔn)備訓(xùn)練集和測試集1.按比例生成訓(xùn)練集和測試集8:2比例降為1維四.任務(wù)1——準(zhǔn)備訓(xùn)練集和測試集2.觀察測試集的分布情況用數(shù)據(jù)預(yù)測是否患病五.任務(wù)2——構(gòu)建和訓(xùn)練模型1.用訓(xùn)練樣本訓(xùn)練SVM模型訓(xùn)練模型構(gòu)建模型用支持向量機(jī)svm構(gòu)建預(yù)測模型，核函數(shù)為rbf，懲罰參數(shù)C取值為1五.任務(wù)2——構(gòu)建和訓(xùn)練模型1.查看模型訓(xùn)練效果訓(xùn)練得分不理想什么原因五.任務(wù)3——評估模型診斷效果1.用測試樣本測試SVM模型運(yùn)行結(jié)果如何改善五.任務(wù)3——評估模型診斷效果2.改善模型的性能1歸一化：2調(diào)整模型參數(shù)C：改善前改善后五.任務(wù)3——評估模型診斷效果