换一批三种机器学习算法预测心力衰竭死亡的价值研究
Value of Three Machine Learning Algorithms in Predicting Death from Heart Failure
摘要目的 用机器学习三种不同算法建立心力衰竭分类预测模型,比较模型的准确率,并分析心力衰竭死亡事件重要性特征,对人群尽早发现和实施介入措施提供援助,努力提高人们的健康水平和生活质量.方法 使用Kaggle平台发布的心力衰竭数据集,通过缺失值填充法、数据标准化处理、SMOTE方法进行数据预处理.基于随机森林、C4.5、AdaBoost算法建立心力衰竭预测模型.使用性能评估指标混淆矩阵、ROC曲线、均方根误差以及均值绝对误差评估评价模型性能.结果 PermutationImportance给出的变量重要性排序中,血清肌酐水平、年龄、血清钠离水平排序靠前.三种模型中,随机森林模型准确率为85％,精确率为81％,召回率为68％;C4.5模型准确率为83％,精确率为80％,召回率为63％;AdaBoost模型准确率为80％,精确率为71％,召回率为63％.结论 基于所用数据集,随机森林模型优于C4.5模型与AdaBoost模型,心力衰竭死亡风险预测模型能为心力衰竭早期预防控制及诊断提供参考依据.
更多相关知识
栏目名称
DOI
10.3969/j.issn.1006-1959.2024.11.002
发布时间
2024-06-21（万方平台首次上网日期，不代表论文的发表时间）
基金项目
校级大学生创新创业项目（202213902120）
校级科研项目（2020KYQN03）
- 浏览0
- 被引3
- 下载0
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
