关键词： 机器学习   随机森林   反向传播神经网络   区域ZTD建模   精度评定  

摘要： 针对常用的GPT2w和UNB3m两种区域(经验)对流层天顶总延迟(ZTD)模型精度不高的问题,探讨基于机器学习方法进行区域ZTD建模的可行性。以GAMIT软件解算的美国加州13个IGS测站2021年连续31 d的ZTD数据(ZTD_GAMIT)为例,构建以经度、纬度、大地高、年积日、每日小时数、GPT2w或UNB3m经验ZTD模型估计的ZTD值(ZTD_GPT或ZTD_UNB)为输入,以ZTD_GAMIT为输出的随机森林(RF)和反向传播神经网络(BPNN)区域ZTD改进模型。实验结果表明,相较于GPT2w和UNB3m模型,两种基于机器学习方法的区域ZTD改进模型的预测精度均有所提高,能有效改善系统偏差。以ZTD_UNB为输入的BPNN和RF改进模型的预测均方根误差(RMSE)分别为15.14 mm和19.48 mm,以ZTD_GPT为输入的BPNN和RF改进模型的RMSE分别为15.32 mm和20.74 mm。BPNN模型的预测精度总体上优于RF模型,具有较高的可靠性。

关键词： 肾细胞癌   亚型分类   特征选择   机器学习  

摘要： 肾细胞癌是常见且致命的疾病,占肾癌的绝大多数。肾细胞癌是一种异质性的复杂疾病,主要由三种组织学亚型组成,存在不同的生物学和临床差异。如今,科技的发展能够得到肾细胞癌的分子亚型和生物标志物。在这项研究中,我们将三种不同的特征选择技术进行组合,即mRMR、Lasso、Boruta,利用投票法的思路从TCGA多个单组学数据集中选择最显著的特征,并将其作为基础机器学习模型的输入,用于肾细胞癌组织学亚型分类。我们评估了六种不同的分类模型,包括逻辑回归(LR)、随机森林(RF)、支持向量机(SVM)、朴素贝叶斯(NB)、k-最近邻(KNN)和XGBoost。结果表明,基于应用本文的新特征选择流程,miRNA成熟链表达RNAseq数据集提供的特征在准确性方面优于其他分类方法,在逻辑回归模型下能达到0.9779的准确率与0.9834的AUC,取得了最高性能。因此,我们改进和细化的特征选择和分类提供了诊断标志物,可能有助于提高诊断的准确性,从而帮助设计早期治疗策略,提高肾细胞癌患者的生存率。

关键词： 系统性风险   机器学习   梯度提升树   SHAP Value  

摘要： 本文采用梯度提升树这一机器学习模型,基于美国等17个国家的25个特征变量的宏观经济数据集,构造了风险识别模型对中国的系统性风险概率进行全面解析,并通过SHAP Value解释模型,在非线性非参数模型下探索中国的风险影响因素。实证结果表明,梯度提升树模型对系统性风险的捕捉能力显著优于传统的逻辑回归模型,其能够较好地刻画中国的风险概率走势;经过SHAP Value分解可发现,信贷因素、货币因素、金融市场化因素及国内总储蓄等是主要的风险拉动因子,且均存在明显的阈值效应。

关键词： 生物统计   机器学习   概率统计   统计模型  

ISBN: (纸本)9787568086356

摘要： 本书主要基于作者近年来教授本科生“生物统计学”和研究生“生物信息学”等课程资料，同时参考了国内外众多顶级教学和科研资料编写而成。本书共分为5章：第1章介绍生物统计学的基础概念和基本研究方法；第2章介绍传统生物统计学方法及其应用，包括试验资料的搜集与整理、生物统计量的计算和表征、假设检验及其应用等；第3章介绍生物大数据的特征与挑战，包括生物大数据的特征、生物大数据分析的常规方法、生物大数据经典案例分析等；第4章介绍生物大数据与概率统计模型，包括大数据机器学习基础、聚类降维、概率统计模型方法等；第5章介绍面向生物大数据挖掘的深度学习，包括深度学习的概念及方法、深度学习应用于生物大数据分析的基本流程和经典案例等。每章都附有练习题，供读者参考。本书具有一定的深度和广度，可以作为生物统计学、生物大数据及机器学习相关课程的教学参考书，也可供生物学、统计学、机器学习、生物大数据等领域的科学工作者阅读。

关键词： 感染风险   生命特征   深度神经网络   脓毒症   医学诊断   SIRS   机器学习方法   预测模型  

摘要： 针对缺乏ICU诊断条件的受伤患者,无法提前预测脓毒症感染风险的问题,提出了一种基于多项生命特征的神经网络(深度神经网络,CNN-LSTM)建立脓毒症预测模型的方法。为了解决数据严重不平衡的问题,引入了CLASS_WEIGHT技术。该模型使用医院ICU病患数据集进行训练和测试,与传统医学诊断得分制(例如SIRS、SOFA等)以及早期用于预测脓毒症的机器学习方法进行了比较。在AUROC评分指标上,该模型取得了较高的得分,表明该方法是有效和可行的。

关键词： 污染场地管控   机器学习   数据融合   贝叶斯   XG Boost  

摘要： 以某搬迁电镀厂为例,基于污染场地调查报告中的非结构化采样数据(已脱敏处理),集成GIS、机器学习等方法,对主要污染物特征进行融合、量化。基于《关闭搬迁企业地块风险筛查与风险分级技术规定》,提出一种面向污染场地实际管控需求的场地内部污染程度量化方法,建立朴素贝叶斯模型,对采样点污染类别进行概率分类,并将结果划分为中度关注、高度关注两个类别。利用XG Boost算法,提取各污染特征的特征重要性,识别造成污染的主要因素,计算各采样点的污染特征值。结果表明,该场地西北侧污水处理厂附近及原电镀厂排污出口处污染较为严重,主要污染物浓度、地表覆盖情况及地下防渗措施是控制污染物分布的主要因素。该结果可为污染场地管控及决策提供数据支撑。

关键词： 不相称分析   布加替尼   信号检测   药品不良反应   机器学习算法   美国食品药品监督管理不良反应事件报告系统  

摘要： 目的评估机器学习算法在检测布加替尼(Brigatinib)药品不良反应信号中的性能。方法使用美国食品药品监督管理局(FDA)不良反应事件报告系统(FAERS)2017年4月1日至2022年3月31日收集的布加替尼药品不良反应信号数据开展研究。首先为研究药品构建一个输入数据集,包括药品标签上列出的已知不良反应和未知不良反应。对于已知不良反应,训练4种机器学习算法,并通过曲线下面积(AUC)评估机器学习算法[随机森林(random forest,RF)、极限梯度提升机(extreme gradient boosting)、Logistic回归和邻近算法(k-NearestNeighbor,kNN)]与传统不相称分析方法[报告优势比(ROR)]和信息成分(IC)]进行比较。结果kNN算法具有最高的AUC,平均值0.875,其余方法中Logistic回归(0.852),XGBoost(0.722),RF(0.662)和DPA(0.548)。在未知不良反应数据集中,以kNN算法建立的机器学习模型检出6个额外信号(占15.8%),传统不相称方法检出4个额外信号(占10.5%)。结论以kNN算法建立的机器学习模型比传统DPA方法在药品不良反应信号检测方面性能更佳。

关键词： 传统中药   归经判别   归经理论   机器学习  

摘要： 目的从药材成分集合与化合物分类集合相似性差异的角度,使用集成学习算法构建药材主归经络判别模型,为中药归经判别提供新方法。方法收集中药药材及其对应归经信息,通过TCMSP数据库收集药材对应成分。利用ChemSpider数据库及RDKit包收集药材成分的物理性质及指纹特征并对数据进行降重和归一化处理,使用K均值聚类算法构建化合物分类集合。使用余弦相似性计算药材成分、化合物分类集合相似性,集合相似性的差异将用于中药归经的判别。最后使用集成学习算法建立药材归经判别模型,并对模型进行对比评价。结果使用Random Forest,XGBoost,Ada⁃boost三种算法构建药材主归经络判别模型,使用十折交叉验证进行参数调优,根据最优参数下测试集上的平衡准确率(balance accuracy)评价模型优劣,三种算法中随机森林算法表现出了最优的性能,平衡准确率达到了0.72。结论本研究探索了中药药材成分与主归经络之间的关系,建立了药材归经判别模型,为中药归经判别量化提供一种新思路和新方法。

关键词： 微通道热沉   性能预测   机器学习   随机森林  

摘要： 本文提出使用机器学习方法快速准确地预测歧管-二次流混合结构微通道热沉的泵功率和总热阻。将混合结构微通道热沉的结构特征参数进行了无量纲化,利用计算流体动力学的方法获得数据集。测试了不同机器学习算法在混合结构热沉性能预测任务上的表现。结果表明在数据集有限的情况下,随机森林算法能准确地学习到无量纲结构参数与泵功率和总热阻之间的映射关系。本文研究结果将有助于微通道热沉的优化设计。

关键词： Sentinel数据   遥感   红树林   机器学习  

摘要： 红树林和生态环境保护、生态平衡和生物多样性息息相关。使用Sentinel-2A数据获取海南省东寨港红树林保护区的遥感影像,对数据进行预处理,提取光谱特征、纹理特征和湿度特征,基于K近邻(K-nearest neighbor,KNN)、随机森林(random forest,RF)、决策树、支持向量机(support vector machine,SVM)和反向传播神经网络(back propagation neural network,BPNN)方法,通过多次实验提取出海南省东寨港红树林区域,并探讨了机器学习方法中不同类型分类器在提取红树林过程中的优缺点。结果表明:(1)Sentinel-2A的Band8A、Band11、Band12波段组合能够较好突出红树林特征,结合湿度特征和纹理特征可以提高红树林的分类精度;(2)基于机器学习方法能够准确提取红树林区域,其中,SVM分类精度最高,达到92.31%,BPNN、RF分类精度分别为88.46%、90.38%,Kappa系数表明分类结果具有良好的一致性;(3)比较不同机器学习方法对红树林的分类效果,发现SVM和BPNN等非线性方法能提取出更准确的红树林区域,KNN、决策树、RF等容易造成红树林的错分和漏分。利用SVM和BPNN提取红树林具有识别准确度高、无损图像信息等优点。