基于格拉姆矩阵和随机森林的疾病预测方法

摘要：

针对现有预测方法中存在预测精度低、预测时间长及存储空间大等问题,提出一种基于格拉姆矩阵和随机森林的疾病预测方法,该方法首先从数据集中收集大量数据,其次使用格拉姆对称矩阵对采集数据进行存储和归类.然后引入随机森林二元回归和分类技术,通过二元变量相关性来衡量预测结果和数据之间的关系,并根据相关性构造决策树用于结果分类.最后,应用表决方案输出最终预测结果.实验结果表明:与其他方法相比,本文提出的方法提高了预测准确度,降低了预测的时间开销和空间复杂度.

关键词：大数据、格拉姆矩阵、随机森林、预测分析

所属期刊栏目：46

分类号：TP393(计算技术、计算机技术)

资助基金：重庆市教育科学十三五规划课题2017-GX-181

在线出版日期：2021-06-15（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：147-152