基于稀疏逻辑回归和多元融合算法的慢性肾病进展预测模型

• 作者: 李智 杨金山
• 来源期刊: 计算机与现代化
• 学科: 工学
• 关键词: SLR Stacking融合算法 SVM 提升决策树 BLSTM ANN 慢性肾病 进展预测
• 年，卷（期）: 2019,（3）
• 所属期刊栏目: 人工智能
• 页码范围: 13-18,22
• 页数: 7页
• 分类号: TP183
• 字数: 4505字
• 语种: 中文
• DOI: 10.3969/j.issn.1006-2475.2019.03.003

摘要

只有一部分慢性肾病(Chronic Kidney Disease,CKD)3期的患者会进展到4期,观察临床数据发现进展和非进展患者部分生理指标有较大的区别.本文首次将基于L1/2范数正则化的逻辑回归(Sparse Logistic Regression,SLR)用于筛选影响CKD患者进展的关键因素,然后利用SLR、支持向量机(SVM)、提升决策树(AdaBoost Decision Tree,BOOSTDT)建立进展风险预测模型.另外,本文引入堆叠算法Stacking(STKSSD)克服样本量不足使得模型泛化性能不稳定的缺陷.作为对比,本文分别利用神经网络(ANN)、循环神经网络(BLSTM)对数据建模.实验结果表明,当SLR算法选择磷、血清肌酐等11个关键特征时,STKSSD融合模型效果最好,其中测试查全率、查准率、F1值分别为86.97％、92.86％和89.82％.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李智	四川大学电子信息学院	124	459	10.0	14.0
2	杨金山	四川大学电子信息学院	1	0	0.0	0.0