基于支持向量机的中风病中医证候分类
信息工程
基于支持向量机的中风病中医证候分类
81500
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。
支持向量机中风证候分类
