组学时代下机器学习方法在临床决策支持中的应用

赵学彤,杨亚东,渠鸿竹,方向东

Applications of machine learning in clinical decision support in the omic era

Zhao Xuetong,Yang Yadong,Qu Hongzhu,Fang Xiangdong

表1 用于临床决策支持的机器学习方法

Table 1 Machine learning methods for clinical decision support

方法 描述 R包 文献 SVM 支持向量机是监督学习模型,用于处理分类和回归分析问题。 e1071 [8, 19~23] 逻辑回归 逻辑回归常用于解决预测和判别问题,其因变量为二分类或多分类。 glm function [24~26] 聚类分析 聚类是对一组对象进行分组,使得同一组中的对象彼此之间比其他 组中的对象更相似。 mclust、cluster [21, 27~29] Bagging Bagging是一种集成学习方法,试图通过对随机样本的某些特征而 不是整个特征集进行训练来减少集合中估计量之间的相关性。 ipred [25, 30] 随机森林 随机森林是一种集成学习方法,常用于处理分类和回归问题。 randomforest、party [31, 32] 深度学习 深度学习使用多层非线性处理单元的级联进行特征提取和转换, 每个连续的图层使用前一层的输出作为输入。 nnet、AMORE、 neuralnet、RSNNS [33~36]