基于机器学习的冠心病预测模型研究

摘要：

目的:利用机器学习方法建立未来10年内是否会患冠心病的预测模型,并对相应的危险因素进行分析,可为高危人群提供预警,提供科学的生活习惯改善建议.方法:结合可靠的冠心病数据集,对冠心病及其危险因素进行分析建模,分别采用逻辑回归(Logistic Regression)算法、支持向量机算法(SVM)、极端梯度提升算法(XGBoost)进行冠心病的疾病预测模型训练,使用GridsearchCV(网格搜索)方法对模型进行参数调优,最终实现对未来患有冠心病的风险进行预测,对风险概率进行评估.结果:LR模型调优前和调优后分数均为最高,调优分数提升最低;SVM模型调优前分数中等,调优后分数最低,调优分数提升中等;XGBoost模型在调优前分数最低,调优后分数中等,调优分数提升最高.结论:综合各个模型调优过程耗时、预测分数及其训练时间总体情况对比,以LR算法构建冠心病预测模型表现为最佳,耗时最短且预测分数最高,实验预测数据集拟合程度最高.

关键词：机器学习、疾病预测、冠心病、SVM、XGBoost

所属期刊栏目：18

分类号：R319(医用一般科学)

资助基金：海南省自然科学基金项目;海南省自然科学基金项目;海南医学院校级教学成果奖培育项目

在线出版日期：2023-04-07（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：48-52