رویکردهای یادگیری محاسباتی به تجزیه و تحلیل داده ها در برنامه های پزشکی ، چارچوبی یکپارچه برای تجزیه و تحلیل داده های زیست پزشکی با استفاده از یادگیری ماشین متنوع و تکنیک های آماری ارائه می دهد. این مقاله بینشهایی در مورد پردازش داده های زیست پزشکی ، الگوریتم ها و تکنیک های خوشه بندی ابتکاری و ارتباطات بین تجزیه و تحلیل آماری و خوشه بندی ارائه می دهد. این کتاب مشکلات عمده مربوط به تجزیه و تحلیل داده ها را معرفی و مورد بحث قرار می دهد ، مروری بر الگوریتم های یادگیری تأثیرگذار و پیشرفته برای کاربردهای زیست پزشکی ، بررسی شاخص های اعتبار خوشه و نحوه انتخاب شاخص مناسب ، و شامل یک نمای کلی از آماری است. روشهایی که می توانند برای افزایش اطمینان به چارچوب خوشه بندی و تجزیه و تحلیل نتایج بدست آمده استفاده شوند.

• شامل یک مرور کلی از تجزیه و تحلیل داده ها در برنامه های زیست پزشکی و چالش های فعلی است
• به روزرسانی در مورد آخرین تحقیق در الگوریتم ها و برنامه های یادگیری نظارت شده ، الگوریتم های خوشه بندی و شاخص های اعتبار خوشه ای
• پوشش کامل ابزار تجزیه و تحلیل آماری و محاسباتی را برای تجزیه و تحلیل داده های زیست پزشکی فراهم می کند