705      人物

心髒病預測__阿裏雲ET介紹-阿裏雲

點此谘詢顧問

心髒病是人類健康的頭號殺手。全世界1／3的人口死亡是因心髒病引起的，而我國，每年有幾十萬人死於心髒病。 通過采集人體相關的體側指標，並運用數據挖掘的方式來分析不同特征對於心髒病的影響，可以對於預測和預防心髒病將起到至關重要的作用。

業務痛點及需求

1. 如何通過醫療大數據預測疾病是否發生

數據截圖

2. 如何評價醫療體係大數據架構的結果準確性

係統架構

采用阿裏雲機器學習平台子上而下搭建實驗

架構圖：

模型訓練和預測

本次實驗是監督學習，因為我們已經知道每個樣本是否患有心髒病，所謂監督學習就是已知結果來訓練模型。解決的問題是預測一組用戶是否患有心髒病。

1）拆分首先通過拆分組件將數據分為兩部分，本次實驗按照訓練集和預測集7：3的比例拆分。訓練集數據流入邏輯回歸二分類組件用來訓練模型，預測集數據進入預測組件。

2）邏輯回歸二分類邏輯回歸是一個線性模型，在這裏通過計算結果的閾值實現分類。具體的算法詳情推薦大家在網上或者書籍中自行了解。邏輯回歸訓練好的模型可以在模型頁簽中查看。

3)預測預測組件的兩個輸入分別是模型和預測集。預測結果展示的是預測數據、真實數據、每組數據不同結果的概率。

評估

通過以上數據探索的流程我們可以得到以下的結論。

1）特征權重我們可以通過過濾式特征選擇得到每個特征對於結果的權重。

• 可以看出thalach(心跳數)對於是否發生心髒病影響最大。
• 性別對於心髒病沒有影響

2）模型效果通過上文提供的14個特征，可以達到百分之八十多的心髒病預測準確率。模型可以用來做預測，輔助醫生預防和治療心髒病。

優勢

算法成熟度

阿裏雲機器學習平台提供了成熟的數據挖掘算法。本案例使用的相關圖算法全部來自於集團內部項目的沉澱，經曆過超大規模數據的錘煉。在算法的精確度和效率方麵都是世界領先水平。

簡便的操作界麵

阿裏雲機器學習平台采用拖拉拽的方式進行組件操作，及時是毫無數據挖掘經驗的從業者，經過簡單的學習，也可以輕鬆通過拖拉等操作玩轉大數據。

使用產品

• 機器學習

點此谘詢顧問

最後更新：2016-11-23 16:04:15

  上一篇： 金融風控__阿裏雲ET介紹-阿裏雲

  下一篇： 看圖說話__阿裏雲ET介紹-阿裏雲