中图网

>

预防医学、卫生学

健康医疗大数据建模方法与应用(配增值)

作者：郭秀花

出版社：人民卫生出版社出版时间：2022-09-01

开本：其他页数： 416

本类榜单：医学销量榜

中图价:¥75.5(7.7折) 定价 ~~¥98.0~~ 登录后可看到会员价

加入购物车收藏

运费6元，满39元免运费

?新疆、西藏除外

本类五星书更多>

>
补遗雷公炮制便览 (一函2册)

补遗雷公炮制便览 (一函2册)

¥616¥880
>
方剂学

方剂学

¥68.9¥79
>
(精)河南古代医家经验辑

(精)河南古代医家经验辑

¥39.7¥90
>
中医珍本文库影印点校(珍藏版):医案摘奇·雪雅堂医案合集

中医珍本文库影印点校(珍藏版):医案摘奇·雪雅堂医案合集

¥24.3¥46.8
>
中医珍本文库影印点校(珍藏版):外科方外奇方

中医珍本文库影印点校(珍藏版):外科方外奇方

¥10.3¥17
>
中医珍本文库影印点校(珍藏版):用药禁忌书

中医珍本文库影印点校(珍藏版):用药禁忌书

¥13.8¥25
>
中医珍本文库影印点校(珍藏版):沈氏女科辑要笺疏

中医珍本文库影印点校(珍藏版):沈氏女科辑要笺疏

¥17.9¥37

商品详情
商品评论(0条)

中图价:¥75.5 加入购物车

版权信息
本书特色
内容简介
目录
作者简介

健康医疗大数据建模方法与应用(配增值) 版权信息

ISBN：9787117332248
条形码：9787117332248 ; 978-7-117-33224-8
装帧：一般胶版纸
册数：暂无
重量：暂无
所属分类：
医学
>
预防医学、卫生学

健康医疗大数据建模方法与应用(配增值) 本书特色

1.国家卫生健康委员会“十三五”规划教材配套教材2.供大数据相关专业研究生及科研人员使用 1.针对健康医疗领域大数据，从实际应用角度出发，深入浅出地介绍多种大数据建模方法，和基于R语言、Python语言等软件实现2.内容丰富、方法先进、通俗易懂、实用性强

健康医疗大数据建模方法与应用(配增值) 内容简介

本书针对健康医疗领域大数据，从实际应用角度出发，深入浅出地介绍多种大数据建模方法，和基于R语言、Python语言等软件实现，共14章：绪论、大数据的存储与管理技术、医学图像大数据的结构化处理方法、医学文本与语音大数据的处理方法、健康医疗高维大数据的常用降维方法、互联网健康医疗大数据的获取、健康医疗大数据的关联分析、分类诊断常用的数据挖掘方法、回归预测常用的数据挖掘方法、健康医疗大数据深度学习方法、健康医疗时间序列大数据的建模方法、健康医疗大数据的时空建模方法、健康医疗大数据背景下的因果推断、生物信息大数据建模方法与应用。此外，附录部分增加了大数据分析软件简介等内容，书中例题的数据库、练习题答案等内容，以二维码形式展示。

健康医疗大数据建模方法与应用(配增值) 目录

**章绪论/ 1
**节健康医疗大数据的概念与属性 / 1
第二节健康医疗大数据的分类与应用 / 3
第三节健康医疗大数据的现状与挑战 / 5
第四节健康医疗大数据建模方法与应用概述 / 6
第二章大数据存储与管理技术/ 12
**节概述 / 12
第二节 Hadoop 生态系统 / 15
第三节大数据预处理技术 / 19
第四节大数据的安全与隐私保护技术 / 23
第三章医学图像大数据的结构化处理方法/ 30
**节医学图像概述 / 30
第二节医学图像感兴趣区域的分割 / 33
第三节医学图像特征指标 / 36
第四节医学图像纹理特征的提取方法 / 40
第四章医学文本与语音大数据的处理方法/ 51
**节医学文本数据及文本挖掘概述 / 51
第二节医学文本挖掘技术 / 54
第三节医学语音数据概述 / 63
第四节医学语音处理技术 / 66
第五章健康医疗高维大数据常用降维方法/ 80
**节 LASSO / 80
第二节随机森林 / 92
第三节弹性网 / 101
第六章互联网健康医疗大数据的获取/ 109
**节互联网健康医疗大数据应用 / 109
第二节互联网健康医疗大数据爬取 / 112
第三节健康医疗知识图谱 / 122
第七章健康医疗大数据的关联分析/ 128
**节关联规则 / 128
第二节推荐系统 / 135
第三节复杂网络 / 141
第八章分类诊断常用的数据挖掘方法/ 153
**节支持向量机 / 153
第二节决策树 / 160
第三节随机森林 / 166
第四节高斯过程 / 173
第九章回归预测常用的数据挖掘方法/ 180
**节广义线性回归 / 180
第二节支持向量回归 / 186
第三节高斯过程回归 / 192
第四节人工神经网络回归 / 203
第十章健康医疗大数据深度学习方法/ 211
**节健康医疗中的深度学习概述 / 211
第二节卷积神经网络 / 216
第三节自编码器 / 226
第四节深度生成模型 / 234
第十一章健康医疗时间序列大数据的建模方法/ 243
**节健康医疗大数据时间序列的分析方法概述 / 243
第二节病例交叉设计和广义可加模型 / 246
第三节支持向量机 / 252
第四节深度循环网络模型 / 257
第十二章健康医疗大数据的时空建模方法/ 268
**节时空建模方法概述 / 268
第二节时空相关分析 / 270
第三节时空热点分析 / 273
第四节时空扫描分析 / 275
第五节时空回归分析 / 284
第六节时空网络分析 / 290
第十三章健康医疗大数据背景下的因果推断/ 298
**节健康医疗大数据因果推断概述 / 298
第二节控制混杂偏倚的因果推断方法 / 300
第三节控制选择性偏倚的因果推断方法 / 313
第四节因果通路识别和因果网络构建 / 320
第十四章生物信息大数据建模方法与应用/ 330
**节生物信息大数据概述 / 330
第二节生物信息大数据建模 / 339
第三节 Hub 基因挖掘方法与应用 / 344
附录/ 364
附录一练习题答案 / 364
附录二 R软件和Python 软件简介 / 364
附录三中英文名词对照表 / 388
主要参考文献/ 401