یادگیری ماشین در پزشکی: قسمت دوم ۲۰۱۳
Machine Learning in Medicine: Part Two 2013

یادگیری ماشین به تحلیل داده های بزرگ و متغیرهای متعدد می پردازد. با این حال، اغلب نسبت به روش های آماری سنتی، در تحلیل داده های کوچک حساس تر است. جلد اول، موضوعاتی مانند مقیاس بندی بهینه، شبکه های عصبی، تحلیل عاملی، حداقل مربعات جزئی، تحلیل تفکیکی، تحلیل کانونی و مدل سازی فازی را بررسی کرد. این جلد دوم شامل مدل های خوشه بندی مختلف، ماشین های بردار پشتیبان، شبکه های بیزی، تحلیل موجک گسسته، برنامه نویسی ژنتیک، یادگیری قانون وابستگی، تشخیص ناهنجاری، تحلیل تطابقی و سایر موضوعات است. هم مبانی نظری و هم تحلیل های گام به گام، به نفع خوانندگان غیرریاضی دان شرح داده شده اند. هر فصل را می توان بدون نیاز به مراجعه به فصل های دیگر مطالعه کرد. آزمون های آماری سنتی، گاهی پیشینه ای برای روش های یادگیری ماشین هستند و گاهی نیز به عنوان آزمون های مقایسه ای استفاده می شوند. به کسانی که مایل به کسب دانش بیشتری در مورد آن ها هستند، توصیه می کنیم که علاوه بر این، (1) کتاب آمار کاربردی در مطالعات بالینی، ویرایش پنجم، 2012، (2) کتاب SPSS برای مبتدیان، قسمت اول و دوم، 2012، و (3) کتاب تحلیل آماری داده های بالینی با ماشین حساب جیبی، قسمت اول و دوم، 2012، نوشته شده توسط همین نویسندگان و ویراستاری شده توسط اشپرینگر، نیویورک را نیز مطالعه کنند.

Machine learning is concerned with the analysis of large data and multiple variables. However, it is also often more sensitive than traditional statistical methods to analyze small data. The first volume reviewed subjects like optimal scaling, neural networks, factor analysis, partial least squares, discriminant analysis, canonical analysis, and fuzzy modeling. This second volume includes various clustering models, support vector machines, Bayesian networks, discrete wavelet analysis, genetic programming, association rule learning, anomaly detection, correspondence analysis, and other subjects. Both the theoretical bases and the step by step analyses are described for the benefit of non-mathematical readers. Each chapter can be studied without the need to consult other chapters. Traditional statistical tests are, sometimes, priors to machine learning methods, and they are also, sometimes, used as contrast tests. To those wishing to obtain more knowledge of them, we recommend to additionally study (1) Statistics Applied to Clinical Studies 5th Edition 2012, (2) SPSS for Starters Part One and Two 2012, and (3) Statistical Analysis of Clinical Data on a Pocket Calculator Part One and Two 2012, written by the same authors, and edited by Springer, New York.