8、机器学习在皮肤癌分类中的应用与进展

机器学习在皮肤癌分类中的应用与进展

1. 机器学习基础方法：主成分分析（PCA）

主成分分析（PCA）是一种用于减少信息元素，使计算更快更简单的方法。以二维信息为例，记录矩阵的主成分分析通过一组互补的评分和载荷图提取矩阵中的主导模式。在进行PCA分析之前，数据分析人员需要明确临床问题，思考数据矩阵收集的原因、实验和测量的目的，并提前确定预期发现的模式。

当数据在图表中绘制时，它会占据两个轴；应用PCA后，数据将变为一维。以下是PCA的伪代码：

R ← X 
for(k = 0,……,K-1) do 
{ 
    λ = 0 
    T(k) ← R(k) 
    for(j=0,……, J) do  
    { 
        P(k) ← R(k) T(k) 
        P(k) ← P(k)|| P(k) ||-1 
        T(k) ← R P(k) 
        λ’ ← || T(k) || 
        if( |λ’ –  λ| ≤ ε ) then break 
        λ ← λ’ 
    } 
    R ← R - T(k) (P(k))T 
} 
Return T, P, R 

2. 监督学习与无监督学习算法概述

机器学习算法主要分为监督学习和无监督学习。决策树、支持向量机（SVM）和朴素贝叶斯是常见的监督学习算法。与传统编程语言不同，机器学习的输入是数据和结果，输出是规则。

2.1 监督学习算法

• 决策树