拓端tecdat|基于机器学习的印度肝脏病诊断分析
原文链接:http://tecdat.cn/?p=23534
原文出处:拓端数据部落公众号
作者:ShiChao Wu
项目挑战
肝脏病在早期可能没有任何症状,不容易被察觉,或者症状是模糊的。肝脏病的症状和肝脏病的类型和程度高度相关,肝脏病的一般是通过肝功能测试诊断。在常见的肝功能测试诊断中,一般主要包含三大类指标:血清酶、胆红素和血清蛋白。其中,血清酶中的医学指标主要包括丙氨酸氨基转移酶、天冬氨酸氨基转移酶和碱性磷酸酶等,当肝脏细胞被破坏时,酶会被大量释放到血液中,引起指标上升。胆红素指标包括总胆红素、直接胆红素和间接胆红素等,它们反映了胆红素的代谢情况,当肝细胞变性坏死,胆红素代谢出现障碍时,胆红素指标会升高。血清蛋白指标反映了肝脏的合成功能,其包含白蛋白、球蛋白、总蛋白等,可用于检测慢性肝损伤、机体免疫等情况。早期的诊断可以提高肝脏病患者的存活率,而通过血液中酶、胆红素、血清蛋白的水平来诊断肝脏病是一个非常重要的手段。
解决方案
数据来源准备
实验数据集(Indian Liver Patient Datset,,ILPD)来自美国加州大学的一个统计学习网站UCI。ILPD由三个印度教授收集自印度安得拉邦的东北部,数据集包含416位肝病患者记录和167位非肝病患者记录,包含了441位男性患者记录和142位女性患者记录,任何年龄超过89岁的患者都被列为90岁。
描述性统计分析
基于患者的生理指标和医疗检测指标来对患者的情况进行描述性分析(以下的图中1均代表患病,2均代表不患病):
图1 年龄和总蛋白的分布
从图1中可以看出患有肝脏病的人群年龄的平均水平(中位数)要比不患肝脏病的大,可能由于年龄大的人群的生活、工作压力较大,就容易患肝脏病。患有肝脏病的人群血液中的总蛋白含量与不患肝脏病的人群血液中总蛋白含量平均水平(中位数)差异并不明显,可能在判断某人是否患有心脏病时血液中总蛋白这个指标占的比重较小。
图2 白蛋白和球蛋白比率分布
从图2可以看出患有肝脏病的人群血液中白蛋白含量的平均水平(中位数)明显低于不患肝脏病的人群血液中白蛋白含量,血液中白蛋白的含量偏低可能对肝脏病的影响较大。血液中白蛋白与球蛋白的的比率表明含有肝脏病的人群的平均水平(中位数)明显低于不患肝脏病的人群,可能在判断某人是否患有肝脏病白蛋白与球蛋白这个指标比较重要。
图3 患病与性别的分布
从图3可以看出,患病人群的男性人数约为女性人数的三倍,这与现实中患有肝脏病人群的分布稍有差异,出现这种现象的原因是采集数据时男性数据占有多部分,女性采集的数据较少;其中男性中患有肝脏病与未患有肝脏病的比率约为3:7,女性中患肝病人数与未患肝病人数的比例约为4:6。性别对患病可能会有一定的影响。
图4 医疗指标的分布情况
从图4观察到患病人群的总胆红素(TBIL),直接胆红素(DBIL),碱性磷酸酶(ALP),谷丙转氨酶(ALT),天冬氨酸氨基转移酶(AST)5个特征呈现明显的右偏分布,可能是由于患有肝脏病的人群的医疗指标会高于常人。
部分实验数据
R语言建模
逻辑回归
二项逻辑回归模型(binomial logistic regression model)是一种基于逻辑斯谛分布(logistic distribution)的二分类模型,是一种有监督的机器学习方法。基本思想是比较条件概率的大小,概率值大于0.5的属于正类,概率值小于0.5的属于负类。
随机森林
用随机的方式建立一个森林,森林由很多决策树组成,随机森林的每一棵决策树之间是没有关联的。在得到森林之后,当有一个新的输入样本进入的时候,就让森林中的每一棵决策树分别进行一下判断,看看这个样本应该属于哪一类(对于分类算法),然后看看哪一类被选择最多,就预测这个样本为那一类。
决策树
支持向量回归(SVR)
项目结果
从模型结果可以看到,全模型似然比为0.4928,很多指标并不显著,所以考虑利用AIC和BIC做子集选择,使得到的模型更加准确,更有说服力。
3.matlab中的偏最小二乘回归(PLSR)和主成分回归(PCR)
6.r语言中对LASSO回归,Ridge岭回归和Elastic Net模型实现
7.R语言逻辑回归、Naive Bayes贝叶斯、决策树、随机森林算法预测心脏病
9.R语言用逻辑回归、决策树和随机森林对信贷数据集进行分类预测
他作为一名211学校统计系硕士,十分明白数据分析在现代化的生产和运维中的重要性。在大数据的时代,高新技术企业的技术骨干越来越年轻化,数据分析师的地位也越来越重要。
拓端tecdat|基于机器学习的印度肝脏病诊断分析相关推荐
- 拓端tecdat荣获掘金社区入驻新人奖
2021年7月,由掘金发起了"入驻成长礼"颁奖活动.本次活动邀请到知名开发者.服务机构代表等业界人士. 据了解,掘金社区"新入驻创作者礼"主要对已经积累了一定历 ...
- 拓端tecdat荣获2022年度51CTO博主之星
相信技术,传递价值,这是51CTO每一个技术创作者的动力与信念,2022 年度,拓端tecdat 作为新锐的数据分析咨询公司,在51CTO平台上,不断的输出优质的技术文章,分享前沿创新技术,输出最佳生 ...
- (5)【整合】基于机器学习的酒店评论文本倾向性分析
酒店评论情感分析系统(五)-- [整合]基于机器学习的酒店评论文本倾向性分析 本文主要是对之前的第三.四节所介绍的各分块进行整合. 流程: 对GUI界面输入的评论文本,先进行中文分词和去停用词,然后再 ...
- 【计算机专业毕设之基于机器学习的大葱价格预测可视化分析-哔哩哔哩】 https://b23.tv/GLkWcjb
[计算机专业毕设之基于机器学习的大葱价格预测可视化分析-哔哩哔哩] https://b23.tv/GLkWcjb https://b23.tv/GLkWcjb
- 拓端tecdat|bilibili视频流量数据潜望镜
最近我们被客户要求撰写关于bilibili视频流量的研究报告,包括一些图形和统计输出. 最新研究表明,中国有超过7亿人在观看在线视频内容.Bilibili,被称为哔哩哔哩或简称为B站,是中国大陆第二个 ...
- 基于机器学习的脑电病理学诊断
机器学习(Machine learning, ML)方法有可能实现临床脑电(Electroencephalography, EEG)分析的自动化.它们可以分为基于特征的方法(使用手工制作的特征)和端到 ...
- 拓端tecdat|R语言逻辑回归(Logistic回归)模型分类预测病人冠心病风险
最近我们被客户要求撰写关于冠心病风险的研究报告,包括一些图形和统计输出. 相关视频:R语言逻辑回归(Logistic回归)模型分类预测病人冠心病风险 逻辑回归Logistic模型原理和R语言分类预测冠 ...
- 拓端tecdat|R语言用LOESS(局部加权回归)季节趋势分解(STL)进行时间序列异常检测
最近我们被客户要求撰写关于LOESS(局部加权回归)的研究报告,包括一些图形和统计输出. 这篇文章描述了一种对涉及季节性和趋势成分的时间序列的中点进行建模的方法.我们将对一种叫做STL的算法进行研究, ...
- 拓端tecdat|R语言向量误差修正模型 (VECMs)分析长期利率和通胀率影响关系
最近我们被客户要求撰写关于向量误差修正模型的研究报告,包括一些图形和统计输出. 向量自回归模型估计的先决条件之一是被分析的时间序列是平稳的.但是,经济理论认为,经济变量之间在水平上存在着均衡关系,可以 ...
- 拓端tecdat|R语言线性回归和时间序列分析北京房价影响因素可视化案例
最近我们被客户要求撰写关于北京房价影响因素的研究报告,包括一些图形和统计输出. 目的 房价有关的数据可能反映了中国近年来的变化: 人们得到更多的资源(薪水),期望有更好的房子 人口众多 独生子女政策: ...
最新文章
- 4、数据类型二:Lists
- 分布式事务?No, 最终一致性
- JAVA_HOME和CLASSPATH设置
- C语言实现文件类型统计函数
- 常用的开始→运行→输入命令集锦
- 查看CentOS系统版本,Linux内核版本,32位还是64位
- Rust:trait中 关联类型、泛型参数、默认参数混用
- 安捷伦的仪器设备出售
- AM3352的I2C驱动与传感器sht20的应用
- informatica joiner组件学习
- 2019年电赛之路——2015年电子设计竞赛A题任务设计
- [JZOJ3339]【NOI2013模拟】wyl8899和法法塔的游戏
- java面试的笔试题
- 微泡基础知识及其在半导体清洗中的应用
- vue-select-tu--一款基于vue的多元图形选择插件
- 赵小楼《天道》《遥远的救世主》深度解析(94)去二不着一:自在自如逍遥境界
- 《TCP/IP 详解 卷1:协议》第 3 章:链路层
- fota 差分包_FOTA相关知识总结
- 如何压缩图片jpg格式?一分钟学会jpg图片压缩
- linux内存加速硬盘缓存,linux块设备加速缓存之bcache