Kaggle-木薯叶病分类 Kaggle竞赛代码“木薯叶病分类”。 排名256/3900（最高7％）铜牌 比赛于2月结束，当我最近整理代码时，我决定在GitHub上发布它（整理代码确实是一件很累的工作〜）。 我在私有数据集中得到0.8987 。 但是，这不是我最好的解决方案（确定是成功的关键...大声笑）。 我在Github上发布的代码为0.9010 ，如果我提交此解决方案，则该代码应排在银牌区域。 此仓库包含培训部分和测试部分的代码，我使用一些技巧，如下所示： AMP，用于更快的训练（Kaggle中的GPU时间限制，我的GPU不好） 数据8月可提供更好的性能（我放弃了cutmix或snapmix之类的技巧，这些技巧浪费大量时间并且没有改善性能） K折模型合奏：$ k = 5 $ 模型集合：EfficientB4（由我自己训练）+ Resnext（在讨论区域中开放访问） 测

该数据库包含76个属性，但是所有已发布的实验都引用了其中14个属性的子集。特别是，克利夫兰数据库是 迄今为止ML研究人员使用的唯一数据库。“目标”字段是指患者中心脏病的存在。 heart.csv

在医学界，决策是根据存储的数据和医生的经验来做出的。 可能会出现错误的机会，诊断时间更长，治疗重要器官心脏的费用增加。 医院中当前的数据库系统包含大量数据，可用于预测心脏的健康状况。 可以将这些数据转换成有用的信息，这些信息可以用于制作可以预测疾病发生机会的智能决策系统。 该系统提供了预测个体中心脏病发生的能力。 它使用卷积神经网络进行预测。 利用年龄，性别，胆固醇，心电图斜率等重要因素，可以预测人患心脏病的可能性。 这些属性不过是患者的临床数据。

水稻病害数据集（用于分类）

It is broadly accepted that understanding the genetic, molecular, and cellular mechanisms of neural develop- ment is essential for understanding evolution and disor- ders of neural systems. Recent advances in genetic, molecular, and cell biological methods have generated a massive increase in new information. By contrast, there is a paucity of comprehensive and up-to-date syntheses, references, and historical perspectives on this important subject. Therefore, we embarked on the formidable task of assembling a novel resource entitled ‘Comprehensive Developmental Neuroscience.’ We hope that the books in this series will serve as valuable references for basic and translational neuroscientists, clinicians, and students.

Heart Disease Dataset is provided by Hungarian Institute of Cardiology,University Hospital, Zurich,University Hospital, Basel and Long Beach and Cleveland Clinic Foundation.本数据集由匈牙利心脏病研究所，瑞士苏黎世大学医院，瑞士巴塞尔大学医院和长滩和克里夫兰临床基金会提供。 heart-disease.cost heartdisease.delay heartdisease.expense heart-disease.group heart-disease.names heartdisease_ask-detrano heartdisease_ask-detrano (2) heartdisease_processed.cleveland.data heartdisease_cleve.mod heartdisease_cleveland.data heartdisease_long-beach-va.data heartdisease_new.data heartdisease_processed.hungarian.data heartdisease_processed.switzerland .data heartdisease_processed.va.data heartdisease_switzerland.data heartdisease_hungarian.data

准确及时地分析任何与健康相关的问题对于疾病的预防和治疗非常重要。 在严重疾病的情况下，传统的诊断方法可能是不够的。 开发基于机器学习 (ML) 算法的医学诊断系统来预测任何疾病，可以帮助实现比传统方法更准确的诊断。 我们设计了一个使用多种 ML 算法的疾病预测系统。 使用的数据集有 230 多种疾病需要处理。 基于个体的症状、年龄和性别，诊断系统给出个体可能患有的疾病的输出。 与其他算法相比，加权 KNN 算法给出了最好的结果。 加权 KNN 算法的预测准确率为 93.5%。 我们的诊断模型可以作为医生对疾病进行早期诊断，确保及时治疗，挽救生命。

AI-Challenger-Plant-Disease-Recognition 农作物病害检测 详情请见 环境配置 python==2.7 tensorflow==1.2.1 使用方法 更改 plot.py 脚本中路径，运行该脚本，可以绘出数据分布的直方图 下载预训练模型 更改 plant_disease.py 中的输入文件路径，输出文件路径，预训练模型文件路径 在 code 路径下直接运行 python plant_disease.py 训练完成后会直接使用训练得到的参数预测 testA 数据集，生成可以用来直接提交的 json 文件 大佬开源分享 框架：pytorch 最终成绩：0.875 框架：keras 最终成绩：0.88658 其他 Label ID Label Name 0 apple healthy（苹果健康） 1 Apple_Scab general（苹果黑星病一般） 2

Modeling Infectious Diseases in Humans and Animals.pdf

This book is designed as an introduction to the modeling of infectious diseases. We start with the simplest of mathematical models and show how the inclusion of appropriate elements of biological complexity leads to improved understanding of disease dynamics and control. Throughout, our emphasis is on the development of models, and their use either as predictive tools or as a means of understanding fundamental epidemiological processes. Although many theoretical results can be proved analytically for very simple models, we have generally focused on results obtained by computer simulation, providing analytical results only where they lead to a more generic interpretation of model behavior. Where practical, we have illustrated the general modeling principles with applied examples from the recent literature. We hope this book motivates readers to develop their own models for diseases of interest, expanding on the model frameworks given here.