新生儿黄疸预测模型 目的 现有的用于分类问题的方法的重要基础是传统统计学,前提是足够多样本,当样本数目有限时难以取得理想的效果。因此当传统分类方法用于新生儿黄疸预测问题时,未必能取得好的效果。支持向量机是一种新的分类学习算法。本研究应用支持向量机建立预测模型,对新生儿黄疸进行预测,同时也用概率神经网络方法建立预测模型对同样的数据进行预测,比较两种方法的预测效果。 方法 应用支持向量机理论建立新生儿黄疸诊断预测模型。为了防止发生过度拟合,在模型拟合过程中运用了交叉验证的方法。同时,建立基于概率神经网络的预测模型,并且对两种模型的预测结果进行比较。 结果 支持向量机的分类结果与实际情况吻合得较好。支持向量机的分类误差与概率神经网络相近,但支持向量机的使用较概率神经网络简单。 结论 支持向量机正在成为机器学习领域的一个新的热点,用支持向量机来解决分类问题是一种新的视角,有着光明的前景。