换一批基于XGBoost算法的糖尿病分类预测模型及应用
Classification prediction and application of diabetes based on XGBoost model
摘要目的 通过对糖尿病患病的相关因素分析,构建糖尿病的分类预测模型,达到早发现早治疗的目的.方法 基于Kaggle平台真实的糖尿病数据,提出一种基于XGBoost的糖尿病风险预测及特征分析模型.首先对原始数据特征进行预处理和特征提取,再将提取的特征作为XGBoost的输入,进一步利用网络搜索和十折交叉验证迭代训练获得最佳的预测模型,最后利用SHAP值对模型进行可解释性分析.结果 实验结果表明,基于XGBoost的糖尿病风险预测模型在经过参数调优后,准确度可达到96.85%,较相对比的K最近邻算法、支持向量机,其预测准确度分别高出 14.17%、18.11%.结论 基于XGBoost的糖尿病分类预测的模型具有更好的学习能力,同时引入SHAP模型增强模型的可解释性,识别出患病的关键因素,为糖尿病的诊治提供决策参考.
更多相关知识
关键词
糖尿病分类预测机器学习XGBoost模型SHAP值DiabetesClassification predictionMachine learningXGBoost modelSHAP value
栏目名称
DOI
10.11876/mimt202304001
发布时间
2023-09-18（万方平台首次上网日期，不代表论文的发表时间）
基金项目
国家自然科学基金（61801288）
上海健康医学院师资人才百人库项目（A126012231100712）
- 浏览148
- 被引20
- 下载28
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
