期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息

机器学习在心力衰竭病人预后评估中的应用研究进展 被引量：6

Application of machine learning in prognosis assessment of patients with heart failure:a review
下载PDF
导出
摘要 总结了机器学习算法分类,以及机器学习在心力衰竭病人生存(死亡)、心力衰竭再入院、心脏事件预测中的应用现状,筛选出最能准确评估心力衰竭病人预后的机器学习算法,为临床早期评估心力衰竭病人的预后提供新的依据。
作者 吉史伍呷 方进博 JISHI Wuga;FANGJinbo(West China School of Nursing,Sichuan University/West China Hospital,Sichuan University,Sichuan 610041 China)
机构地区 四川大学华西护理学院/四川大学华西医院
出处 《护理研究》 北大核心 2023年第7期1195-1199,共5页 Chinese Nursing Research
基金 成都市科技局技术研发项目,编号:2022-YF05-01516-SN。
关键词 心力衰竭 机器学习 预后 风险因素 综述 heart failure machine learning prognosis risk factors review
分类号 R473.5 [医药卫生—护理学]
  • 相关文献

参考文献3

二级参考文献74

  • 1刘微,罗林开,王华珍.基于随机森林的基金重仓股预测[J].福州大学学报（自然科学版）,2008,36(S1):134-139. 被引量：8
  • 2林成德,彭国兰.随机森林在企业信用评估指标体系确定中的应用[J].厦门大学学报（自然科学版）,2007,46(2):199-203. 被引量：37
  • 3Breiman L. Bagging Preditors [J].Machine Learning, 1996,24(2).
  • 4Dietterich T. An Experimental Comparison of Three Methods for Constructing Ensembles of Decision Trees: Bagging, Boosting and Randomization [J].Machine Learning, 2000,40(2).
  • 5Ho T K. The Random Subspace Method for Constructing Decision Forests [J].Trans. on Pattern Analysis and Machine Intelligence, 1998,20 (8).
  • 6Amit Y, Gernan D. Shape Quantization and Recognition with Randomized Trees[J]. Neural Computation, 1997,9(7). Breiman L Random Forest[J]. Machine Learning, 2001,45(1).
  • 7Breiman L. Random Forests[J]. Machine Learning, 2001,45(1).
  • 8Tibshirani tL Bias, Variance, and Prediction Error for Classification Rules[C]. Technical Report, Statistics Department, University of Toronto, 1996.
  • 9Wolpert D H, Macready W G. An Efficient Method to Estimate Bagging's Generalization Error[J]. Machine Learning, 1999,35(1).
  • 10Breiman L. Out-of-bag Estimation[EB/OL]. [2010- 06- 30]. http//stat, berkeley, edu/ pub/ users/ breiman / OOB estimation, ps.

共引文献2093

同被引文献61

引证文献6

二级引证文献1

护理研究
2023年 第7期

相关作者

内容加载中请稍等...

相关机构

内容加载中请稍等...

相关主题

内容加载中请稍等...

浏览历史

内容加载中请稍等...
;
使用帮助 返回顶部