matlab精度检验代码ML_Heart_Disease_Project 内容 先决条件 Matlab版本2018a 统计和机器学习工具箱 神经网络工具箱 可以使用以下内容，但如果不存在，则将其跳过： 并行计算工具箱（用于优化设备的随机森林计算） 深度学习工具箱（需要绘制混淆图） 资料夹 load_heart_csv.m 从当前目录加载包含名为heart.csv的心脏数据的数据文件，并将数据拆分为训练集和测试集，返回训练集和测试集以及cvpartition对象的标签和功能。 该脚本修复了随机种子，因此交叉验证分区以及测试和训练数据的划分是确定性的，以允许可重复性。 探索性数据分析（EDA文件夹） boxpolts.m 生成用于分类预测变量特征的箱线图和显示分类数据频率值的条形图 EDA.ipynb 对数据执行基本的探索性分析，并生成要素之间相关性的热图。 NB调整文件夹 Run_NB_Analysis.m 这是在朴素贝叶斯模型上运行实验的顶级脚本。 该脚本运行贝叶斯优化和网格搜索，以测试正态分布和内核分布并优化所有功能上的内核宽度。 还运行手动网格搜索，其中对连续要素尝试了分布的所有组

用于cnn图像分类的数据集，内含54000张图片，38种植物病害类型，本人使用resnet152训练30轮准确率已达99.6%，还有提高空间。

预测疾病传播 包装方式： numpy，pandas 型号： RandomForestRegressor，DecisionTreeRegressor，GradientBoostingRegressor 版本： python 3.0 数据集： :

PDD_demo ResNet可以

CNN的眼病识别 从一个滑稽的挑战开始：使用卷积神经网络从眼底图像识别眼部疾病 深度学习项目 可用于模型训练和评估的代码 借助Grad-CAM增强了模型的可解释性

基于深度学习的植物病害识别 这个基于django的Web应用程序使用经过训练的卷积神经网络来识别植物叶片上存在的疾病。 它由38种不同的健康和病态植物叶子组成。 38个类是： 苹果->苹果结ab 苹果->黑腐 苹果->雪松苹果锈 苹果->健康 蓝莓->健康 樱桃->白粉病 樱桃->健康 玉米-> Cercospora叶斑（灰色叶斑） 玉米->普通锈 玉米->北方叶枯病 玉米->健康 葡萄->黑腐 葡萄->埃斯卡（黑麻疹） 葡萄->叶枯病（Isariopsis Leaf Spot） 葡萄->健康 橙色->上龙冰（柑橘绿化） 桃->细菌斑 桃子->健康 胡椒，铃铛->细菌斑 胡椒，铃铛->健康 马铃薯->早疫病 马铃薯->晚疫病 土豆->健康 覆盆子->健康 大豆->健康 壁球->白粉病 草莓->叶焦 草莓->健康 番茄->细菌斑 番茄->早疫病 番茄->晚疫病 番茄->叶霉 番茄

论文RWRMD A predicting novel human microRNA-disease associations的ppt

多类别心脏疾病预测 使用ANN进行多个类别的心脏病预测

帕金森病数据分析 介绍： 说明和文献： 在这项研究中，我们将分析被诊断出患有这种疾病的患者数据。 期望使用来自受试者的语音数据有助于无创诊断的发展。 帕金森氏症（PWP）的人会遭受言语障碍，例如语音障碍（声音使用不良），低音障碍（音量减小），单调（音调范围减小）和构音障碍（声音或音节发音困难）。 因此，我们在此项目中的分析将基于受影响的语音参数。 数据： 该数据集由牛津大学的Athanasios Tsanas和Max Little与美国的10个医疗中心以及英特尔公司合作开发，后者开发了远程监控设备来记录语音信号。 该数据集由一系列生物医学语音测量组成，从42名帕金森氏症早期患者中招募，到远程症状进展监测的远程监测设备的为期六个月的试验。 这些记录会自动记录在患者家中。 数据集中的列包含受试者编号，受试者年龄，受试者性别，自基线募集日期起的时间间隔，运动UPDRS，总UPDRS和16

毫升心脏疾病 使用随机森林进行心脏病预测和分析