基于SMOTE算法与机器学习的老年人健康素养预测研究
目的 探讨合成少数类过采样技术(SMOTE)结合机器学习模型在老年人是否具备健康素养预测评估中的应用.方法 利用单因素筛选从资料中筛选出与是否具备健康素养有关联的变量;以筛选出的变量作为输入变量,以是否具备健康素养为结局变量,分别在经SMOTE算法处理前后的数据集中建立logistic回归模型、随机森林和SVM模型,通过受试者工作特征曲线(ROC)来评价模型性能.结果 Logistic回归、随机森林和SVM在SMOTE算法处理前的测试集中的准确率分别为0.833、0.600和0.636,3种模型的ROC曲线下面积(AUC)分别为0.723、0.815和0.728;在SMOTE算法处理后的测试集中的准确率分别为0.936、0.908和0.890,3种模型的AUC分别为0.896、0.944和0.897.结论 随机森林模型在老年人是否具备健康素养的预后评估中具有较高的应用价值.
老年人、健康素养、模型、统计学
33
R195(保健组织与事业(卫生事业管理))
江苏高校哲学社会科学研究项目2015SJD455
2019-11-11(万方平台首次上网日期,不代表论文的发表时间)
共4页
641-643,699