基于优化后集成学习模型的特征选择与疾病高效预警研究——以老年抑郁焦虑为例

摘要：

[目的]通过合理选择关键的疾病风险变量,使疾病预测模型兼顾计算效率和预测精度,为公共卫生相关部门实现疾病高效预警提供参考.[方法]使用基于集成学习的随机森林和XGBoost模型学习高维的疾病风险变量数据进行疾病预测,使两种模型自主选择对其预测作出贡献的疾病风险变量子集.为使随机森林和XGBoost模型选择出具有高预测精度的关键变量子集,从最大程度提升模型泛化能力的角度出发,深入分析两种模型的集成方式,通过针对性的超参数调整,利用交叉验证,不断迭代随机森林模型的袋外数据误判率均值,收敛XGBoost模型在不同子训练集上的损失曲线,为两种模型分别提出独特的模型优化方案,释放其疾病预测性能.[结果]在老年抑郁焦虑患病数据集上的实验表明,优化后随机森林和优化后XGBoost模型具有非常优异且接近的疾病预测性能,分别实现了 88.6％和89.7％的预测准确率,以及0.936和0.940的AUC.但通过优化后模型的特征选择,XGBoost模型的结构更为简单高效,从54个老年抑郁焦虑风险变量中选择较少的17个关键变量,且实现了较好的疾病预测效果,准确率为85.8％,AUC为0.917.[局限]未使用最新老年队列数据进行实验;需进一步检验模型在复杂异构数据环境中的适应性.[结论]优化后XGBoost模型的特征选择效果更好,可提高疾病预警效率,为公共卫生管理提供决策支持.

关键词：集成学习、超参数调优、特征选择、疾病高效预警

所属期刊栏目：7

分类号：G35(情报学、情报工作)

在线出版日期：2023-09-25（万方平台首次上网日期，不代表论文的发表时间）

页数：共15页

页码：74-88