基于支持向量机的中风病中医证候分类

摘要

目的:研究基于机器学习的中风病中医证候分类模型,推进中医证候分类的数字化、自动化与智能化.方法:利用支持向量机(SVM)、BP神经网络与梯度提升决策树(GBDT),以年龄、性别、身高、体质量与临床中风病常见的症状,包括中风主要症状、舌象、脉象数据作为输入,以中风临床常见证候——气虚血瘀证的判断作为输出,建立中风病中医证候分类模型并进行比较.结果:基于支持向量机建立的中风病中医证候分类模型准确率为86％,BP神经网络模型准确率为81％,梯度提升决策树模型准确率为84％.结论:相较于其他分类器模型,基于支持向量机建立的模型在中风病中医证候分类上更具优势.