研究文章
预测慢性肾脏疾病使用混合动力机器学习基于Apache火花
|
| 裁判 |
一年 |
模型 |
特征选择方法 |
数据集 |
|
| (22] |
2021年 |
支持向量机,然而,DT,射频 |
递归特性消除(RFE) |
CKD的数据集 |
| (20.] |
2020年 |
安,C5.0, LR |
CFS,套索 |
CKD的数据集 |
| LSVM、资讯和射频 |
包装器方法 |
| (23] |
2020年 |
射频、支持向量机、NB, LR |
RF-FS FS,菲斯,BS,喜神贝斯 |
CKD的数据集 |
| (24] |
2020年 |
决策树模型的合奏 |
降低成本的整体方案 |
CKD的数据集 |
| 功能的排名 |
| (25] |
2020年 |
装袋和随机子空间 |
没有 |
CKD的数据集 |
| 方法基于资讯 |
| NB和DT |
| (26] |
2020年 |
决策表,J48 |
遗传搜索算法 |
CKD的数据集 |
| 延时和注 |
| (27] |
2019年 |
LR、射频、支持向量机、资讯 |
没有 |
CKD的数据集 |
| NB和模糊神经网络 |
| 混合模型LR和射频 |
| (28] |
2019年 |
人工神经网络(ANN)和支持向量机 |
相关系数 |
CKD的数据集 |
| (29日] |
2018年 |
NB和K-Star |
没有 |
CKD的数据集 |
| 支持向量机 |
| J48 |
| (30.] |
2018年 |
演算法和资讯 |
慢性疲劳综合症 |
CKD的数据集 |
| 注和支持向量机 |
|
|
