基于ML-KNN算法的冠心病辨证模型研究

摘要：

目的:构建冠心病辨证模型,解决兼夹证诊断问题.方法:对收集的1315条冠心痛医案进行规范化处理,并在规范数据集上运用多标记近邻算法ML-KNN构建冠心痛辨证模型,采用十折交叉验证的方法对模型进行训练和测试,并用经典多标记算法评价指标对模型结果进行评价.结果:模型平均汉明损失为5.47％,1-错误率为2.13％,覆盖率为12.33％,排序损失为1.56％,平均精度为93.55％.结论:利用ML-KNN算法,从临床数据构建冠心病辨证模型,能够较好地模拟中医专家经验.

关键词：ML-KNN、冠心病、辨证模型、十折交叉验证、汉明损失、1-错误率、覆盖率、排序损失、平均精度

所属期刊栏目：43

分类号：R241(中医临床学)

资助基金：国家自然科学基金项目81674099,81503499,81804219,81803997;国家重点研发计划项目2017YFC1703501,2017YFC1703503,2017YFC1703506;江苏省自然科学基金项目BK20161051;南京中医药大学2018年大学生创新训练计划2018NZY31,2018NZY130

在线出版日期：2019-11-28（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：438-442