基于机器学习的丙型肝炎肝纤维化预测算法对比研究

摘要

为了更好地预防和控制丙型肝炎,本文采用机器学习和深度学习算法对患者数据进行建模预测.在机器学习算法中通过数据预处理数据和网格遍历调参后的SVM和GBM分类准确率能达到87%和86%.为了进一步提高分类效果,在深度学习算法中使用MLP模型和LSTM模型的分类精确度达到了89.1%和90.48%.在深入研究LSTM算法过程中,根据链式法则和全微分方程对LSTM的反向传播算法进行了优化,减少了梯度下降更新模型参数的计算复杂度.