关键词： 哮喘   逻辑回归分析   支持向量机   深度神经网络  

摘要： 目的比较逻辑回归分析、支持向量机和深度神经网络3种机器学习方法在哮喘预测和诊断过程中的准确性。方法选取2020年1月至2021年6月杞县人民医院收治的370例哮喘患者和201例其他呼吸道疾病患者作为研究对象,选择了22条哮喘诊断相关的条件作为输入数据,使用逻辑回归分析、支持向量机和深度神经网络3种算法分别对患者的输入数据进行分析,分析结果与医生专业的临床诊断结果进行比较,计算3种算法在哮喘诊断时的准确率并进行比较。结果当输入全部22个因素时,逻辑回归分析方法诊断哮喘准确率为94%,接收者操作特征曲线下面积(AUC)为0.97;支持向量机方法诊断哮喘准确率为82%,AUC为0.83;深度神经网络方法诊断哮喘准确率为98%,AUC为0.99。结论深度神经网络能够根据患者的临床数据准确预测哮喘,该深度神经网络的方法预测哮喘时比逻辑回归分析和支持向量机方法准确率更高,可以用于医生诊断哮喘时的助理服务,这一研究可以提高医生诊断哮喘时的准确性,值得在临床推广应用。

关键词： 认知障碍   预测   机器学习  

摘要： 机器学习方法被成功应用于生命科学的不同领域,由于其能够处理复杂数据,揭示个体信息和疾病间的隐藏关系,在疾病预测和诊断方面发挥着巨大作用。本文围绕老年人认知障碍预测研究,对常见预测因素和结局进行归纳,并总结机器学习方法在该领域的应用现状和不足.为今后认知障碍风险预测提供参考。

关键词： 国际商务   机器学习   项目流程   评述  

摘要： 在国际商务活动日益繁荣与人工智能时代来临的双重背景下,机器学习方法已渗透到企业活动的各个方面。从一个国际商务项目的准备阶段、交易阶段、履行阶段和维护阶段汇总与梳理机器学习方法在国际商务领域中的应用。对机器学习方法在国际商务中的应用进行了总结评述并提出展望,为企业的智能化发展提供借鉴。

关键词： 成绩预测   离差标准化   XGBoost  

摘要： 针对某高校软件专业部分学生无法一次性通过软件助理工程师考证的现状,采集大一上下学期22门课程的所有成绩,结合离差标准化、SMOTE+Tomek Links过采样以及优化版的GB(Gradient Boosting)算法XGBoost(Extreme Gradient Boosting)等,构建了“软助”挂科生分类预测模型。该模型在“软助”挂科生预测中准确率较高。实验证明,采用XGBoost算法构建的模型比其他算法构建的模型效果更好,对预测可能挂科的学生提前预警,保证了软助证书的通过率。

关键词： 降水相态   客观预报   数值模式   气候统计   机器学习方法  

摘要： 冬季降水相态及其转变时间的精细化客观预报对提高气象预报和服务质量具有重要的现实意义。利用京津冀地区国家级自动气象站观测资料及网格化快速更新精细集成产品,统计分析了京津冀地区复杂地形下各类降水相态温度和湿球温度平均气候概率的分布差异及不同降水相态时网格化快速更新精细集成产品中可能影响降水相态判断的特征信息。然后将地面观测天气现象资料、复杂地形下降水相态气候特征及高分辨率模式输出产品作为特征向量,分别基于梯度提升(XGBoost)、支持向量机(SVM)、深度神经网络(DNN)3种机器学习方法建立了降水相态的高分辨率客观分类模型,并对同样条件下3种机器学习方法对雨、雨夹雪和雪3种京津冀主要降水相态的预报效果进行了对比检验,进一步提升了雨夹雪复杂降水相态的客观分类预报技巧。

关键词： 机器学习   免疫细胞   浸润   胰腺癌   分类模型  

摘要： 目的对胰腺癌22种免疫细胞浸润占比进行分析,探讨利用机器学习算法,构建预后二分类模型对胰腺癌患者生存期评价的可行性。方法从TCGA数据库,下载胰腺癌患者的转录组数据和相关的临床数据。通过“CIBERSORT”算法得到入组胰腺癌患者22种免疫细胞浸润占比特征。利用生物信息学方法对免疫细胞浸润占比特征进行筛选,构建预后模型。以受试者工作特征曲线下面积(AUC)、准确度、灵敏度、特异度、阳值预测值和阴值预测值作为预后二分类模型优劣的考核指标。行免疫细胞相关性分析及免疫功能分析,进一步阐述预后二分类模型的可信度与胰腺癌中的免疫景观。结果从22种免疫细胞中筛选出Macrophages M1、T cells CD8、B cells nave 3种免疫细胞浸润占比特征作为胰腺癌患者生存是否超过1年二分类预后模型的构建因子。采用9种机器学习分类模型算法构建二分类初始模型。按AUC排序,在训练集中表现最佳者为Extreme gradient boost(XGB)算法,在训练集中表现最佳者为Random Forest(RF)算法。RF稳定性相对较好,最终选取RF算法构建模型,具有较高的精准度。基于危险评分的免疫细胞相关性分析中,B cells nave和T cells CD8在低危组中免疫浸润高于高危组(P<0.001),Macrophages M1在高危组中免疫浸润高于低危组(P<0.001);与模型构建因子有关的免疫功能分析中,APC_co_inhibition、MHC_class_Ⅰ、Type_Ⅰ_IFN_Reponse在高危组中免疫浸润评分高于低危组(P<0.05);在免疫浸润分型分析中,C1,C2,C3,C6在高、低危组中显示出差异性(P<0.05)。结论基于机器学习构建的胰腺癌患者预后二分类模型,能较准确地评估胰腺癌患者生存是否超过1年,为临床对胰腺癌患者进行个体化治疗提供参考。

关键词： 纳税人满意度   “放管服”   施策重点   优化路径   机器学习  

摘要： 深入推进"放管服"改革,提升纳税人满意度,是营造良好营商环境、释放企业活力的重要手段。然而,如何确定"放管服"改革的施策重点和优化路径,现有文献尚未给出系统性解决方案。本文构建"放管服"改革对纳税人满意度的理论分析框架,基于2020年5座城市的企业调查问卷数据,使用机器学习方法,识别"放管服"改革的施策重点和优化路径。研究发现,办税效率、按流程办税、税收宣传渠道、服务态度和业务熟练程度是影响纳税人满意度的重要改革措施。样本城市在按流程办税以及服务态度方面的投入已经处于最优区间,办税效率与税收宣传渠道的投入相对不足,未来在税收资源约束条件下,应重点提升办税效率以及丰富税收宣传渠道。本文拓展了"放管服"改革研究,丰富了机器学习方法在公共管理领域的应用。

关键词： 要素禀赋   数字经济   可持续发展   机器学习  

摘要： 在地区间数字经济投资"竞赛"日益激烈,并且增速上形成中西部对东部地区赶超之势的背景下,中西部地区的要素禀赋是否可以支撑其数字经济可持续发展是值得深入研讨的问题。运用机器学习方法中的随机森林算法,基于地级市层面数据对24种投入要素进行分析,发现职工平均工资、人均社会消费品零售额、人均科学技术支出、城镇单位从业人员中信息传输计算机服务和软件业从业人员占比4种要素是支撑数字经济发展最为重要的投入要素。进一步运用4种最重要要素的偏效应曲线图进行分析,发现在要素禀赋上,中西部地区数字经济的发展已经同东部地区站到了"同一起跑线上",且大多数城市的重要投入要素已经具备了支撑数字经济可持续发展的基本条件,但城市之间的差距仍然明显。因此,要实现中西部地区数字经济的可持续发展,既要根据不同城市的要素禀赋构成情况实施差异化的补"短板"政策,又要通过推进数字资源的平衡布局来改变城市之间的数字经济不平衡发展状况,以构筑中西部地区数字经济发展的良性循环。

关键词： Structural health monitoring   Damage detection   Machine learning   Hyperparameter optimization   Environmental and operational variability   Bridges  

摘要： Due to the importance of civil structures and infrastructures, structural safety assessment or structural health monitoring has become a basic necessity for every society. Recent developments of sensing and data acquisition systems enable civil engineers to exploit machine learning methods based on data-driven strategies for structural safety assessment and damage detection. However, the choice of an appropriate machine learning method may be problematic, particularly under some challenging issues such as the negative effects of environmental and/or operational variability (EOV), and the necessity of estimating some influential unknown elements of parametric machine learning methods called hyperparameters. Accordingly, this article focuses on three main aspects: (1) comparing various machine learning methods, (2) developing semiparametric algorithms, and (3) proposing automated algorithms for hyperparameter optimization of semiparametric and parametric machine learning methods. An innovative automated output-only approach is proposed to qualitatively and relatively predict the levels of EOV in terms of strong or weak variability. The main contributions of this article include comparing various machine learning methods, which will enable civil engineers to choose the most appropriate technique, and proposing automated approaches to hyperparameter optimization and variability level prediction. Dynamic and statistical features extracted from measured vibration data of two full-scale bridges were considered to perform the comparative studies and investigate the proposed methods. The results demonstrated that the semiparametric methods provide the best performance when their unknown parameters are determined appropriately.

关键词： Classification   Concrete   Failure mode   Machine learning   Reinforced columns  

摘要： In this article, new efficient methods are presented to classify failure modes in reinforced concrete columns. For this purpose, machine learning techniques were utilized with consideration of laboratory datasets collected from the literature. Two different approaches, including decision tree and artificial neural network, have been studied to determine the failure mode of the columns. The variables used to estimate the failure mode were compressive strength of the concrete, span-to-depth ratio, axial load ratio, longitudinal reinforcement ratio, volumetric transverse reinforcement ratio, yield stress of longitudinal reinforcement, and yield stress of transverse rein-forcement. A comparison study between the two introduced models indicated that the proposed decision tree provides a desirable accuracy and could specify the failure mode, with no need to a complex calculation. The proposed model has many applications in structural engineering such as seismic evaluation, retrofitting, and rehabilitation as a suitable tool for estimating the failure modes in reinforced concrete columns.