基于Spark的决策树优化算法在脑卒中发病率预测的应用

• 作者: 宋晶 漆潇
• 来源期刊: 自动化与仪器仪表
• 学科: 工学
• 关键词: 脑卒中 大数据平台 决策树优化 发病率
• 年，卷（期）: 2019,（9）
• 所属期刊栏目: 自动化应用
• 页码范围: 172-175,180
• 页数: 5页
• 分类号: TP29
• 字数: 3938字
• 语种: 中文
• DOI: 10.14016/j.cnki.1001-9227.2019.09.172

摘要

在大数据时代,医疗数据量达到TB级以上,传统的存储技术和数据挖掘,已经不能适应以成因分析、关联分析、快速查询、及时反馈、决策支持为目的智能医疗预警要求.运用大数据的理论、机制、模型和方法,采用统计学、机器学习等方法得出可靠性较高、实时性强的脑卒中发病预警信息,是今后发展的必然趋势.由于气象条件与脑卒中发病率密切相关,提出在Spark平台上基于决策树优化算法的分布式脑卒中发病率预测模型:DSIP-GBTs(Dis-tributed Stroke Incidence Prediction with GradientBoostedTrees)、DSIP-RF(Distributed Stroke Incidence Prediction with Ran-domForest),采用交叉验证的方法对参数进行调校评估,降低模型预测结果的均方根误差;运用分布式情况下快速特征选择,提高模型训练效率.对比发现,基于梯度优化决策树的DSIP-GBTs模型,符合大数据背景下的各项要求.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	漆潇	陆军军医大学第二附属医院康复理疗科	2	3	1.0	1.0
2	宋晶	陆军军医大学第二附属医院神经内科	1	2	1.0	1.0