第二章 机器学习

医/学/人/工/智/能

机器学习目录CONTENTS机器学习概述PART01PART02机器学习在医药领域的实际应用机器学习概述从知识推理到深度学习机器学习经历了知识推理期、知识工程期、浅层学习和深度学习四个阶段。知识推理期始于20世纪50年代，通过专家系统赋予计算机逻辑推理能力。机器学习发展四大阶段20世纪50年代，罗森布拉特提出感知器，开启了机器学习研究的先河，为后续发展奠定了基础。感知器的出现2006年，希尔顿发表深度信念网络论文，标志着深度学习的兴起。云计算和GPU并行计算为其发展提供了强大支持。深度学习的崛起机器学习定义与核心过程机器学习是人工智能的重要分支，使计算机通过数据和经验自动学习和改进，无需显式编程。其核心是让计算机从数据中发现规律并进行预测或决策。机器学习的定义机器学习的过程包括从数据中提取特征、建立模型、发现规律，并将这些规律应用于新数据的分析和预测，形成一个完整的闭环。机器学习的核心过程图2-1传统编程VS机器学习机器学习类型监督学习通过带标签的训练数据来预测输出结果，如线性回归用于房价预测，逻辑回归用于邮件分类，模型通过不断训练提高预测精度。无监督学习在无标签数据中寻找模式和结构，如K均值聚类用于客户分群，PCA用于降维去冗余，帮助我们发现数据中的隐藏规律。监督学习模型需要通过学习数据的组织结构来进行预测，这类似于一个预测问题。例如学习矢量量化，此外，还存在一种既受神经网络启发又属于基于实例的方法的分类方案。强化学习通过代理与环境的交互，根据奖励信号学习最优策略，如手术机器人的训练。半监督学习无监督学习强化学习数据特征与模型训练评估数据通常分为训练集、验证集和测试集。评估指标包括准确率、召回率、F1分数和ROC曲线等，用于衡量模型的性能。模型训练与评估数据预处理是机器学习的重要环节，包括去除噪声、处理缺失值和离群值等，以提高数据质量，确保模型的准确性和可靠性。数据预处理的重要性机器学习的数据来源广泛，包括电子病历、医学影像和基因数据等。数据特征的提取和选择是关键步骤，直接影响模型的性能。数据与特征常见的机器学习算法回归是一种通过迭代计算模型中的误差来估计变量之间关联的过程。回归方法是数据分析的核心工具，并广泛应用于统计机器学习领域，包括：逻辑回归算法、线性回归算法、逐步回归算法、普通最小二乘回归算法等。回归算法逻辑回归是机器学习中一种经典的二分类模型。它通过一个线性方程来预测输入特征与输出类别之间的关系。然后，使用一个叫做“Sigmoid函数”的数学函数把这个线性方程的结果压缩到0到1之间，表示预测属于某个类别的概率。图2-6线性回归VS逻辑回归常见的机器学习算法实例化方法也被称为“胜者全得”方法，同时也被称为基于记忆的学习方法。此类方法的重点在于存储实例的表示以及用于比较实例之间相似性的过程。以下是几种最常用的基于实例的算法：K最近邻算法、自组织映射算法、学习矢量量化算法、支持向量机算法等。基于实例的算法图2-7K最近邻算法应用K最近邻是一种监督学习算法，它基于“相似的物体通常彼此靠近”的假设。该算法通常通过计算点之间的欧几里得距离来实现这一假设。常见的机器学习算法正则化是回归方法中的一种附加处理手段。通过正则化，模型会根据其复杂程度进行调整，通常更倾向于选择那些结构更简单且泛化能力更强的模型。以下是几种最常用的正则化算法：弹性网络算法、岭回归算法、最小角回归算法、最小绝对收缩与选择算子等。正则化算法图2-9L1正则化Lasso回归（L1正则化）Lasso回归是一种正则化技术，通过在模型中引入一定程度的偏差来减少过拟合。它通过在最小化残差平方和的基础上加上一个惩罚项来实现，这个惩罚项等于λ乘以斜率的绝对值，λ值决定了惩罚的严厉程度，作为超参数可调整以减少过拟合并获得更好的拟合效果。常见的机器学习算法决策树是一种通过明确评估数据集中的特征来构建决策模型的方法。通过一系列判断或决策，树结构被划分，以便为给定数据集做出预测性决策。决策树既可以用于回归问题，也可以用于分类问题，并且是通过数据训练得到的。包括迭代二叉树算法、卡方自动交互检测算法、C4.5和C5.0（一种强大方法的不同版本）、M5、决策桩等。决策树图2-11决策树决策树的内部节点代表特征，分支代表决策规则，叶节点代表结果。决策节点类似于if-else条件，叶节点包含决策节点的输出。常见的机器学习算法贝叶斯方法通过应用贝叶斯定理来解决分类和回归类型的问题。常用的贝叶斯算法包括：高斯朴素贝叶斯、朴素贝叶斯、平均单依赖估计器、贝叶斯信念网络、贝叶斯网络等。贝叶斯算法聚类方法通常基于层次化建模和基于质心的方法进行结构化。所有聚类方法都利用记录的内在特征，将数据组织成最和谐的集合，以达到最佳的分组效果。最常用的聚类算法包括：K均值算法、期望最大化算法、K中位数算法、层次聚类算法。聚类算法关联规则学习算法、人工神经网络算法、降维算法、集成算法等。机器学习在医药领域的实际应用疾病预测与诊断1计算机辅助诊断（Computer-aidedDiagnosis,CADx）或计算机辅助检测（Computer-aidedDetection,CADe）系统能够协助医生对医学信号和图像进行解读。医学影像如磁共振成像（MRI）、X光和超声图像，能够提供大量关于患者病情的信息。放射科医生或其他合格的专业人员或医生可以在短时间内分析这些图像，并诊断出图像中是否存在任何异常。机器学习在医药领域的实际应用药物研发2人工智能目前正被用于评估抗癌药物的疗效或协助抗癌药物的研发。不同的癌症类型以及相同的药物可能具有多种作用机制，而综合检测方案的数据也揭示了癌细胞基因组异质性与药物活性之间的关联。林德（Lind）和安德森（Anderson）于2019年开发了一种结合人工智能和筛选数据的随机森林模型。基于癌细胞基因组DNA的突变状态，该模型可以确定抗癌药物的行为。此外，一种名为弹性网络回归（ElasticNetRegression）的机器学习方法被用于构建药物敏感性预测模型。机器学习在医药领域的实