22、区块链与机器学习在电子医疗系统中的应用

区块链与机器学习在电子医疗系统中的应用

1. 机器学习算法

1.1 分类算法

• 逻辑回归（Logistic regression） ：一种分类算法，通过将合适的数据拟合到对数函数来预测不太可能发生事件的可能性，输出值在 0 到 1 之间。
• 决策树（Decision tree） ：适用于分类任务，可处理分类和连续因变量。利用信息增益、卡方、基尼指数和熵等方法，根据自变量将数据集划分为不同的簇。
• 支持向量机（Support vector machine） ：使用训练数据将数据分类到不同的组中。当有新输入时，参考训练数据给出输出类别。
• 朴素贝叶斯（Naïve Bayes） ：基于贝叶斯定理构建，假设某一类别中的特定特征的存在不依赖于任何其他特征。即使对于非常大的数据集，也能轻松构建模型，是最好的分类方法之一。
• k - 最近邻（k - Nearest neighbours） ：可解决回归和分类问题，工业界主要用于分类问题。根据 k 个邻居的特征，使用距离度量（如曼哈顿距离、欧几里得距离或汉明距离，汉明距离用于分类变量）对新类别进行分类。当 K 值为 1 时，将其分配到最近邻的类别。

1.2 聚类算法

• K - 均值（K - Means） ：一种无监督算法，用于解决聚类问题。将给定数据集分类为 k 个不同的