BÁO CÁO CHUYÊN ĐỀ NHẬP MÔN HỌC MÁY ĐỀ TÀI: SỬ DỤNG PHÂN LỚP NHỊ PHÂN ĐỂ CHUẨN ĐOÁN BỆNH NHÂN BỊ BỆNH TIỂU ĐƯỜNG

lOMoARcPSD|17838488

TRƯỜNG ĐẠI HỌC ĐIỆN LỰC
KHOA CÔNG NGHỆ THÔNG TIN

BÁO CÁO CHUYÊN ĐỀ
NHẬP MÔN HỌC MÁY
ĐỀ TÀI:
SỬ DỤNG PHÂN LỚP NHỊ PHÂN ĐỂ CHUẨN ĐOÁN BỆNH NHÂN BỊ
BỆNH TIỂU ĐƯỜNG

Sinh viên thực hiện

: PHAN ĐỨC THẮNG

Giảng viên hướng dẫn : VŨ VĂN ĐỊNH
Ngành

: CƠNG NGHỆ THƠNG TIN

Lớp

: D14CNPM7

Khóa

: D14

Hà Nội, tháng 6 năm 2021

lOMoARcPSD|17838488

PHIẾU CHẤM ĐIỂM
Sinh viên thực hiện:

Họ và tên

Chữ ký

Ghi chú

Phan Đức Thắng
19810310672

Giảng viên chấm:
Họ và tên
Giảng viên chấm 1 :

Giảng viên chấm 2 :

Chữ ký

Ghi chú


lOMoARcPSD|17838488

MỤC LỤC

LỜI MỞ ĐẦU...................................................................................................................1

CHƯƠNG 1 : TỔNG QUAN VỀ HỌC MÁY..................................................................2
Hình 1.1 Tổng quan về học máy...................................................................................2
1.1 Khái niệm về học máy...............................................................................................2
Hình 1.2 : Machine learning được sử dụng mỗi lần ta chụp ảnh..................................4
1.2 Các phương pháp học máy.........................................................................................4
1.2.1 Học có giám sát....................................................................................................4
Hình 1.3: Học máy có giám sát.....................................................................................5
1.2.2 Học khơng giám sát.............................................................................................6
Hình 1.4: Học khơng giám sát......................................................................................8
1.2.3 Học bán giám sát..................................................................................................8
Hình 1.5: Học bán giám sát..........................................................................................9
1.3 Ứng dụng của học máy............................................................................................11
Hình 1.7: Cảnh báo giao thơng (trên ứng dụng Google Maps)..................................11
Hình 1.8: Đề xuất gắn thẻ , nhận dạng của ML..........................................................13
CHƯƠNG 2 :Cài đặt code thi.........................................................................................14
2.1 Code thi.....................................................................................................................14
2.1.1 Thư Viện.................................................................................................................14
2.1.2 Câu 1......................................................................................................................14
2.1.3 Câu 2......................................................................................................................14


lOMoARcPSD|17838488

2.1.4 Câu 3......................................................................................................................14
2.1.5 Câu 4......................................................................................................................15
2.1.6 Câu 5......................................................................................................................15
2.1.7 Câu 6......................................................................................................................15


lOMoARcPSD|17838488

LỜI MỞ ĐẦU

Công nghệ ngày càng phổ biến và không ai có thể phủ nhận được tầm quan trọng và
những hiệu quả mà nó đem lại cho cuộc sống chúng ta. Bất kỳ trong lĩnh vực nào, sự
góp mặt của trí tuệ nhân tạo sẽ giúp con người làm việc và hồn thành tốt cơng việc
hơn. Và gần đây, một thuật ngữ “machine learning” rất được nhiều người quan
tâm.Thay vì phải code phần mềm với cách thức thủ công theo một bộ hướng dẫn cụ thể
nhằm hoàn thành một nhiệm vụ đề ra thì máy sẽ tự “học hỏi” bằng cách sử dụng một
lượng lớn dữ liệu cùng những thuật tốn cho phép nó thực hiện các tác vụ.
Đây là một lĩnh vực khoa học tuy không mới, nhưng cho thấy lĩnh vực trí tuệ nhân tạo
đang ngày càng phát triển và có thể tiến xa hơn trong tương lai.
Đồng thời, thời điểm này nó được xem là một lĩnh vực “nóng” và dành rất nhiều mối
quan tâm để phát triển nó một cách mạnh mẽ, bùng nổ hơn.
Hiện nay, việc quan tâm machine learning càng ngày càng tăng lên là vì nhờ có machine
learning giúp gia tăng dung lượng lưu trữ các loại dữ liệu sẵn, việc xử lý tính tốn có
chi phí thấp và hiệu quả hơn rất nhiều.
Những điều trên được hiểu là nó có thể thực hiện tự động, nhanh chóng để tạo ra những
mơ hình cho phép phân tích các dữ liệu có quy mơ lớn hơn và phức tạp hơn đồng thời
đưa ra những kết quả một cách nhanh và chính xác hơn.
Chính sự hiệu quả trong cơng việc và các lợi ích vượt bậc mà nó đem lại cho chúng ta
khiến machine learning ngày càng được chú trọng và quan tâm nhiều hơn.Vì vậy chúng
em chọn đề tài:” sử dụng phân lớp nhị phân để chẩn đoán bệnh nhân bị bệnh viêm gan
và bệnh tiểu đường”

1


lOMoARcPSD|17838488

CHƯƠNG 1 : TỔNG QUAN VỀ HỌC MÁY

Hình 1.1 Tổng quan về học máy

1.1 Khái niệm về học máy
Học máy hay máy học trong tiếng Anh là Machine learning, viết tắt: ML.

Học máy (ML) là một công nghệ phát triển từ lĩnh vực trí tuệ nhân tạo. Các thuật tốn
ML là các chương trình máy tính có khả năng học hỏi về cách hoàn thành các nhiệm vụ
và cách cải thiện hiệu suất theo thời gian.

2


lOMoARcPSD|17838488

ML vẫn đòi hỏi sự đánh giá của con người trong việc tìm hiểu dữ liệu cơ sở và lựa chọn
các kĩ thuật phù hợp để phân tích dữ liệu. Đồng thời, trước khi sử dụng, dữ liệu phải
sạch, không có sai lệch và khơng có dữ liệu giả.

Hầu hết chúng ta đều không biết rằng chúng ta đã và đang tương tác với Machine
Learning mỗi ngày. Mỗi khi ta Google một cái gì đó, nghe một bài hát hoặc thậm chí
chụp ảnh là ta đang sử dụng machine learning. Nó giúp cho các hệ thống học hỏi và cải
thiện từ các tương tác của người dùng. Nó cũng có mặt trong những ứng dụng “xịn xò”
hơn như các hệ thống phát hiện ung thư, điều chế thuốc và xe tự lái.

3


lOMoARcPSD|17838488

Hình 1.2 : Machine learning được sử dụng mỗi lần ta chụp ảnh.

Các mơ hình ML u cầu lượng dữ liệu đủ lớn để "huấn luyện" và đánh giá mô hình.
Trước đây, các thuật tốn ML thiếu quyền truy cập vào một lượng lớn dữ liệu cần thiết
để mơ hình hóa các mối quan hệ giữa các dữ liệu. Sự tăng trưởng trong dữ liệu lớn (big
data) đã cung cấp các thuật toán ML với đủ dữ liệu để cải thiện độ chính xác của mơ
hình và dự đốn.

1.2 Các phương pháp học máy
1.2.1 Học có giám sát

4


lOMoARcPSD|17838488

Hình 1.3: Học máy có giám sát

5


lOMoARcPSD|17838488

Học có giám sát là một hướng tiếp cận của Máy học để làm cho máy tính có khả
năng "học". Trong hướng tiếp cận này, người ta "huấn luyện" máy tính dựa trên những
quan sát có dán nhãn. Học có giám sát mô phỏng việc con người học bằng cách đưa ra
dự đốn của mình cho một câu hỏi, sau đó đối chiếu với đáp án. Sau đó con người rút ra
phương pháp để trả lời đúng không chỉ câu hỏi đó, mà cho những câu hỏi có dạng tương
tự.

Trong học có giám sát, các quan sát bắt buộc phải được dán nhãn trước. Đây chính
là một trong những nhược điểm của phương pháp này, bởi vì khơng phải lúc nào việc
dán nhãn chính xác cho quan sát cũng dễ dàng. Tuy nhiên, việc quan sát được dán nhãn
cũng lại chính là ưu điểm của học có giám sát bởi vì một khi đã thu thập được một bộ
dữ liệu lớn được dán nhãn chuẩn xác, thì việc huấn luyện trở nên dễ dàng hơn rất nhiều
so với khi dữ liệu khơng được dán nhãn.
Ví dụ với cách học của con người khi còn nhỏ. Ta đưa bảng chữ cái cho một đứa trẻ
và chỉ cho chúng đây là chữ A, đây là chữ B. Sau một vài lần được dạy thì trẻ có thể
nhận biết được đâu là chữ A, đâu là chữ B trong một cuốn sách mà chúng chưa nhìn
thấy bao giờ.

1.2.2 Học khơng giám sát

Trong thuật tốn này chúng ta khơng biết được dữ liệu đầu
ra hay nhãn mà chỉ có dữ liệu đầu vào. Thuật tốn Học khơng giám sát dựa vào cấu trúc
của dữ liệu để thực hiện một cơng việc nào đó, ví dụ như phân nhóm hoặc giảm số
chiều của dữ liệu để thuận tiện trong việc lưu trữ và tính tốn.
Một cách tốn học, Học khơng giám sát là khi chúng ta chỉ có dữ liệu vào X mà
khơng biết nhãn Y tương ứng.
6


lOMoARcPSD|17838488

Những thuật tốn loại này được gọi là Học khơng giám sát vì khơng giống như
Học có giám sát, chúng ta khơng biết câu trả lời chính xác cho mỗi dữ liệu đầu vào.
Giống như khi ta học, khơng có thầy cơ giáo nào chỉ cho ta biết đó là chữ A hay chữ B.
Cụm không giám sát được đặt tên theo nghĩa này.

7


lOMoARcPSD|17838488

Hình 1.4: Học khơng giám sát

Ứng dụng phổ biến nhất của Học khơng giám sát là bài tốn về phân cụm.

1.2.3 Học bán giám sát

Nằm ở đâu đó giữa học tập được giám sát và khơng giám sát, vì chúng sử dụng
cả dữ liệu được gắn nhãn và không dán nhãn để đào tạo - thường là một lượng nhỏ dữ
liệu có nhãn và một lượng lớn dữ liệu khơng được dán nhãn. Các hệ thống sử dụng
phương pháp này có thể cải thiện đáng kể độ chính xác của việc học. Thông thường,
việc học bán giám sát được chọn khi dữ liệu được dán nhãn được yêu cầu đòi hỏi tài
nguyên có kỹ năng và có liên quan để đào tạo/học hỏi từ nó. Nếu khơng, dữ liệu được
gắn nhãn thường không yêu cầu tài nguyên bổ sung.

8


lOMoARcPSD|17838488

Hình 1.5: Học bán giám sát

1.2.4 Học củng cố
Reinforcement learning là các bài toán giúp cho một hệ thống tự động xác định
hành vi dựa trên hoàn cảnh để đạt được lợi ích cao nhất (maximizing the performance).
Hiện tại, Reinforcement learning chủ yếu được áp dụng vào Lý Thuyết Trò Chơi (Game

Theory), các thuật toán cần xác định nước đi tiếp theo để đạt được điểm số cao nhất.

9


lOMoARcPSD|17838488

1.3 Ứng dụng của học máy
Cảnh báo giao thông (trên ứng dụng Google Maps)

Hình 1.7: Cảnh báo giao thơng (trên ứng dụng Google Maps)
Giờ đây, Google Maps có lẽ là ứng dụng được sử dụng với tần suất nhiều nhất mỗi
khi bạn tham gia giao thông. Đặc biệt khi các ứng dụng khác về di chuyển như Grab,
Bee được áp dụng rộng rãi, đồng nghĩa Google Maps được sử dụng liên tục để chỉ
đường cho nhà cung cấp dịch vụ hay người sử dụng dịch vụ. Những thông tin về quãng
đường tối ưu, thời gian di chuyển nhanh nhất cũng được phân tích cùng lúc trên Google
Maps.
Thực tế, dữ liệu lịch sử của tuyến đường đó đã được thu thập theo thời gian và
một số dữ liệu có từ các nguồn khác. Mọi người sử dụng bản đồ đều cung cấp vị trí, tốc
độ trung bình, tuyến đường. Những thơng tin này Google thu thập và tổng hợp thành
Dữ liệu lớn về lưu lượng truy cập, thông qua các thuật tốn phân tích phức tap trên
Machine Learning, những thơng tin này trở nên có nghĩa, chúng giúp Google dự đốn
lưu lượng sắp tới và điều chỉnh tuyến đường của bạn theo cách tối ưu nhất. Một trong
những ứng dụng phổ biến nhất của Machine Learning là Đề xuất gắn thẻ bạn bè tự động
trên Facebook hoặc bất kỳ nền tảng truyền thơng xã hội nào khác. Facebook sử dụng
tính năng nhận diện khn mặt và nhận dạng hình ảnh để tự động tìm thấy khn mặt

10

lOMoARcPSD|17838488

của người phù hợp với Cơ sở dữ liệu của họ và do đó đề nghị người dùng gắn thẻ người
đó dựa trên DeepFace.
Dự án DeepFace của Facebook thực hiện nhiệm vụ nhận diện khuôn mặt và xác
định đối tượng cụ thể trong ảnh. Nó cũng cung cấp Thẻ Alt (Thẻ thay thế) cho hình ảnh
đã được tải lên trên facebook.

11


lOMoARcPSD|17838488

Hình 1.8: Đề xuất gắn thẻ , nhận dạng của ML
Trợ lý cá nhân ảo hỗ trợ tìm kiếm thơng tin hữu ích, khi được yêu cầu qua văn bản
hoặc giọng nói. Một số ứng dụng chính của Machine Learning ở đây là:
- Nhận dạng giọng nói
- Chuyển đổi lời nói thành văn bản
- Xử lý ngơn ngữ tự nhiên
- Chuyển đổi văn bản thành giọng nói
Tất cả những gì bạn cần làm là hỏi một câu hỏi đơn giản như Lịch trình của tơi vào
ngày mai là gì? hoặc các chuyến bay có sẵn sắp tới cho chuyến cơng tác của tôi. Để trả
lời, trợ lý cá nhân của bạn tìm kiếm thơng tin hoặc nhớ lại các truy vấn liên quan của
bạn để thu thập thông tin.

12

Downloaded by hây hay ()

lOMoARcPSD|17838488

CHƯƠNG 2 :Cài đặt code thi
2.1 Code thi
2.1.1 Thư Viện

2.1.2 Câu 1

2.1.3 Câu 2

2.1.4 Câu 3

13

Downloaded by hây hay ()


lOMoARcPSD|17838488

2.1.5 Câu 4

2.1.6 Câu 5

2.1.7 Câu 6

14

Downloaded by hây hay ()

lOMoARcPSD|17838488

15

Downloaded by hây hay ()