基于交叉验证和神经网络融合的医学数据分类

在医学诊断过程中采集到的数据具有低样本数量、少特征的特点,作为神经网络输入会导致网络收敛速度过慢或者陷入局部最优。针对这一问题,在现有神经网络和交叉验证算法的基础上,给出将留一法和神经网络融合的医学数据分类方法。首先对获取到的医学数据进行预处理,然后使用深度学习Keras框架搭建神经网络模型,最后对网络模型训练和预测分析。实验表明,给出的方法能在较少的迭代次数内使网络模型达到收敛,避免陷入局部最优,有效地提升网络模型的拟合程度和稳性,与传统机器学习算法相比有更高的分类准确性。