机器学习算法对证候要素"气虚"辅助诊断的性能评估

摘要：

目的 通过对比评估5个模型的性能,优选证候要素"气虚"的辅助诊断模型.方法 从前期构建的证候要素-症状数据表中筛选与"气虚"有关的症状后,依据特征筛选出排序前15的症状.按照7∶3划分训练集和测试集,并进行重新采样.分别以最佳参数构建5个机器学习模型(CART决策树、随机森林、K近邻、BP神经网络和支持向量机),以ROC曲线下面积(AUC)值、敏感度和特异度作为模型评价指标.结果 15个关键症状包括疲乏,舌淡,神疲,脉弱,气短,自汗,食欲不振,脉细弱,懒言,苔白,便溏,苔薄,心悸,头晕,脉虚.基于随机森林算法构建模型的分类效果最好,AUC值达到0.923.结论 在5个模型中,随机森林算法更加适用于构建证候要素"气虚"的辅助诊断模型.

关键词：机器学习;证候要素;气虚;诊断模型

所属期刊栏目：44

分类号：R241(中医临床学)

资助基金：国家自然科学基金面上项目No.81973495

在线出版日期：2021-11-08（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：928-934