您的账号已在其他设备登录,您当前账号已强迫下线,
如非您本人操作,建议您在会员中心进行密码修改

确定
收藏 | 浏览124 | 下载63

目的:利用机器学习方法建立未来10年内是否会患冠心病的预测模型,并对相应的危险因素进行分析,可为高危人群提供预警,提供科学的生活习惯改善建议.方法:结合可靠的冠心病数据集,对冠心病及其危险因素进行分析建模,分别采用逻辑回归(Logistic Regression)算法、支持向量机算法(SVM)、极端梯度提升算法(XGBoost)进行冠心病的疾病预测模型训练,使用GridsearchCV(网格搜索)方法对模型进行参数调优,最终实现对未来患有冠心病的风险进行预测,对风险概率进行评估.结果:LR模型调优前和调优后分数均为最高,调优分数提升最低;SVM模型调优前分数中等,调优后分数最低,调优分数提升中等;XGBoost模型在调优前分数最低,调优后分数中等,调优分数提升最高.结论:综合各个模型调优过程耗时、预测分数及其训练时间总体情况对比,以LR算法构建冠心病预测模型表现为最佳,耗时最短且预测分数最高,实验预测数据集拟合程度最高.

作者:林加论;余洋鑫;许磊;詹何庆;刘阳

来源:中国数字医学 2023 年 18卷 1期

知识库介绍

临床诊疗知识库该平台旨在解决临床医护人员在学习、工作中对医学信息的需求,方便快速、便捷的获取实用的医学信息,辅助临床决策参考。该库包含疾病、药品、检查、指南规范、病例文献及循证文献等多种丰富权威的临床资源。

详细介绍
热门关注
免责声明:本知识库提供的有关内容等信息仅供学习参考,不代替医生的诊断和医嘱。

收藏
| 浏览:124 | 下载:63
作者:
林加论;余洋鑫;许磊;詹何庆;刘阳
来源:
中国数字医学 2023 年 18卷 1期
标签:
机器学习 疾病预测 冠心病 SVM XGBoost
目的:利用机器学习方法建立未来10年内是否会患冠心病的预测模型,并对相应的危险因素进行分析,可为高危人群提供预警,提供科学的生活习惯改善建议.方法:结合可靠的冠心病数据集,对冠心病及其危险因素进行分析建模,分别采用逻辑回归(Logistic Regression)算法、支持向量机算法(SVM)、极端梯度提升算法(XGBoost)进行冠心病的疾病预测模型训练,使用GridsearchCV(网格搜索)方法对模型进行参数调优,最终实现对未来患有冠心病的风险进行预测,对风险概率进行评估.结果:LR模型调优前和调优后分数均为最高,调优分数提升最低;SVM模型调优前分数中等,调优后分数最低,调优分数提升中等;XGBoost模型在调优前分数最低,调优后分数中等,调优分数提升最高.结论:综合各个模型调优过程耗时、预测分数及其训练时间总体情况对比,以LR算法构建冠心病预测模型表现为最佳,耗时最短且预测分数最高,实验预测数据集拟合程度最高.

Baidu
map