10.11835/j.issn.1000-582X.2023.02.010
基于XGBoost模型的营养成分分析高血压预测方案
高血压是一种常见的慢性病,若能早发现、早采取措施可降低其引发并发症的风险.尽管高血压的产生与发展与诸多因素有关,但饮食被公认为影响高血压的主要因素之一.机器学习模型可以对疾病进行有效预测,并提供辅助治疗.笔者提出一种基于XGBoost的通过分析营养成分预测高血压的方案,该方案由数据转换、特征选择、数据清理与标准化、模型搭建、分类与评估5部分组成.实验结果表明,XGBoost在高血压预测中获得了0.859的F1分数且准确率超过85%,高于随机森林、支持向量机与人工神经网络.此外通过分析不同营养成分对高血压预测的影响因素,获得了影响高血压的前10个营养特征,大部分与医学结论相同,验证了模型的有效性.
机器学习、高血压预测、营养成分分析、极端梯度提升
46
TP181;P315.69(自动化基础理论)
国家自然科学基金;云南省重点研究资助项目;天津市科技计划项目
2023-04-14(万方平台首次上网日期,不代表论文的发表时间)
共11页
119-129