粉碎 在rpart和树型决策树上使用统计学习理论（SLT）的有用工具。 描述 在机器学习（ML）领域，学习是构建算法的最重要步骤之一，该算法旨在预测特定任务，无论这是对象的分类，对特定产品的需求预测，甚至是诊断。恶性疾病。 在ML中，我们可以研究有监督的（有标签，例如一个类）和无监督的算法，这些算法用于模式检测，分组等任务，其中不直接依赖于标签。 知道这一点后，本工作旨在研究不同的监督学习算法，在这种情况下，分类算法（更具体地讲是决策树）将对构成算法学习过程的步骤进行分析研究，探索SLT的概念，

使用机器学习进行疾病诊断 医疗保健领域的机器学习模型。 乳腺癌检测-使用KNN和SVM 糖尿病发作检测-使用神经网络和网格搜索 角膜动脉疾病（心脏病）诊断-使用神经网络 自闭症谱系障碍（神经发育障碍）诊断-使用简单的神经网络 数据集从UCI机器学习存储库获得。