本文由公司网站滚圆机网站 转摘采集转载中国知网整理!   http://www.dapengkuoguanji.com/ 近年来,随着我国科技水平不断上升,各领域数据量以指数级别增加,传统的统计方法已不能满足现代人们的需要,如何在大规模的数据里面挖掘有用的信息,分析预测新的数据,成为各行各业所研究的问题,医学领域也是如此。随着医疗领域的快速发展,机器学习与医疗结合的方法应运而生,它是处理海量数据有效的方法。本研究即利用逻辑斯谛回归机器学习算法来分析肝脏医疗数据,从而建立机器学习模型,最终用该模型对患者类别进行预测,实现人工智能在线辅助肝病诊断,从而提高肝病筛查预测的准确性和实时性它既可以预测出样本的分类医疗领域的应用-电动液压钢管滚圆滚弧机折弯机张家港数控滚圆管件滚弧机，又可以给出样本属于该分类的概率。其模型是由条件概率所表示的决策函数，即：(1|)1wxwxePyxe==+()10|1wxPyxe==+，式中样本特征向量x是输入数据，标签y∈{0,1}是输出数据本文由公司网站滚圆机网站 转摘采集转载中国知网整理!   http://www.dapengkuoguanji.com/ ，w为权值向量是逻辑斯谛回归模型的参数，w·x为w和x的内积。逻辑斯谛回归算法原理为：首先用条件概率形式表示决策函数，之后利用最大化对数似然函数的方法得到对训练集样本而言最好的参数w，即得到最好的模型，最后利用该模型对新样本进行分析预测。图1为逻辑斯谛回归模型的示意图。图1逻辑斯谛回归模型图3.2逻辑斯谛回归模型的构建该阶段目标为构建逻辑斯谛回归概率模型，其实质任务为模型参数估计，即求出决策函数中参数w的最优值，其主要分为目标函数的构建和梯度上升法最优化目标函数两部分。3.2.1目标函数本研究目标函数选用对数似然函数，其公式推导为：设：P(y=1|x)=π(x),P(y=0|x)=1-π(x),则似然函数为根据对数似然函数的意义和性质，问题转化为目标函数的最大化问题，针对这一目标，本文选用梯度上升法。3.2.2梯度上升算法梯度上升法是一种迭代方法，在本研究中，通过不断修改变量w的值，使得目标函数L(w)越来越大，直到函数L(w)取得极大值，此时的w可确定一个最好的逻辑斯谛回归模型。梯度是一个向量，表示当目标函数L(w)的变量w沿着梯度方向移动时，目标函数增长最快。梯度医疗领域的应用-电动液压钢管滚圆滚弧机折弯机张家港数控滚圆管件滚弧机本文由公司网站滚圆机网站 转摘采集转载中国知网整理!   http://www.dapengkuoguanji.com/