Pour vos propres notes. </ b> Utilisez Random Forest pour séparer la maladie A et la maladie B. Découvrez lequel des biomarqueurs que vous avez saisis est important. Dans les recherches précédentes de l'UCL, la précision était de 74,0%, l'objectif est donc de dépasser cela.
Le code et la description peuvent être trouvés sur ici. [Machine learning] Classification des maladies par Random Forest
Cette fois, j'ai essayé de classer les maladies en utilisant Random forest. Dans notre expérience, il était de 75,4%, soit 1,4% de plus que les 74,0% de l'étude précédente. Dans l'étude précédente, seul le volume de matière grise a été utilisé, mais nous avons saisi la carte obtenue à partir de l'IRM de diffusion. Pour le moment, j'aimerais étudier la sensibilité et la spécificité.
Recommended Posts