基于集成学习的风险预测模型研究与应用

摘要：

针对疾病数据结构复杂以及传统模型预测精度低等问题,为探寻提高疾病预测效能的有效集成方法,提出一种集成极端梯度提升树、随机森林算法的XGB-RF预测模型,并应用于糖尿病数据集.采用网格搜索法优化模型参数,利用集成学习策略构建完整的预测模型,将多种模型的预测效果进行对比.实验结果表明,XGB-RF集成模型的准确性和解释性优于单一预测模型,可为类似疾病的早预防、早治疗提供科学、准确的辅助信息.

关键词：集成学习、视网膜病变、逻辑回归分析、极端梯度提升树、随机森林

所属期刊栏目：43

分类号：TP391(计算技术、计算机技术)

资助基金：全国教育科学规划项目DLA190426

在线出版日期：2022-04-28（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：956-961