7、机器学习模型开发与智能医疗数据访问控制方案

机器学习模型开发与智能医疗数据访问控制方案

机器学习模型开发

在机器学习模型开发中，数据预处理是重要的第一步。对于数据值的处理，有特定的转换规则：
- 0 - 5 的值转换为 0。
- 6 - 10 的值转换为 1。

模块 2：使用 LS - SVM 和 DE 训练神经网络

该模块聚焦于使用最小二乘支持向量机（LS - SVM）和差分进化（DE）来训练神经网络，以提高系统的准确性。
- 最小二乘支持向量机（LS - SVM）
- 概念 ：LS - SVM 分类器用于获取合适的超平面，以分离不同的类别，它是 SVM 的扩展版本，相较于其他技术，更为简单和快速。
- 算法步骤 ：
1. 加载 n 个数据点的训练向量，其中 $X_i$ 表示输入向量，$Y_i$ 表示对应的第 i 个目标，值为 {2, 4}。
2. 为每个输入数据点找出随机权重，公式为 $g(\vec{x}) = \vec{x} \cdot \vec{w} + w_0$。
3. 获取偏置项 b 的值，并为每个点随机初始化误差 e。对于属于类 1 的 $\vec{x}$，有 $g(\vec{x}) \geq 1$；对于属于类 2 的 $\vec{x}$，有 $g(\vec{x}) \leq -1$。
4. 借助 e、w 和 b 的值最小化目标函数，计算总间隔的值，同时最小化 $\vec{w}$ 项，以最大化两类之间的可分离性。
5. 通过开发拉格朗日函数来满足 Karush - Kuhn - Tucker（K