13、大数据分类技术在医疗领域的应用与研究

大数据分类技术在医疗领域的应用与研究

1 引言

在当今时代，计算机、大型网络服务器、智能设备等通过互联网实现了广泛的通信，这种通信形式被称为物联网（IoT）。物联网具有庞大的结构和复杂性，代表着互联网的第二阶段，可能拥有数万亿个相互连接的节点。物联网的应用能为各行业带来巨大的经济效益，它提升了生产和创新的可能性，带来了前所未有的变革，降低了成本、提高了效率并增加了收入，同时也产生了海量的数据。

当前的技术革命促使大量数据不断产生，尤其是物联网的飞速发展，催生了所谓的“大数据”。大数据涵盖广泛，需要新的结构和技术来进行管理，包括数据的捕获、处理，以提取有价值的信息，增强洞察力和辅助决策。大数据具有规模大、速度快、多样性高和准确性高等特点。在医疗领域，随着医疗数据集管理系统的进步，产生了大量的医疗数据，这类机器学习属于监督学习。

大数据科学面临的一个问题是分类难题。当数据集维度众多时，分类过程会变得缓慢。因此，需要选择合适的方法从数据集中提取所需特征，但这可能会导致部分数据丢失。选择特定特征并忽略不必要特征的主要好处是减少数据量并提高“分类/预测准确性”。分类方法是数据挖掘中应用最广泛的方法之一，它利用一组已分类的示例来构建新模型，可应用于物联网电子健康系统等多个领域。

数据挖掘是从数据集中提取数据、发现有用信息并进行分析，以增强决策机制的过程。它使用不同的算法来揭示数据的特定特征。本研究旨在将数据挖掘技术应用于物联网电子健康系统，特别是研究医疗（心脏病发作可能性）数据集，以及这些技术在物联网电子健康中的实际可行性。同时，还将比较随机森林分类器（RFC）、支持向量机（SVM）和决策树 - J48（J48）算法在医疗数据分析和分类中的准确性。

使