典型机器学习算法在脂肪肝分类预测研究中的实现与比较

• 作者: 余秋燕 孙继佳 赵莹 邵建华
• 来源期刊: 数理医药学杂志
• 学科: 医学
• 关键词: 脂肪肝 主成分分析 决策树 神经网络 支持向量机 贝叶斯网络 随机森林
• 年，卷（期）: 2019,（1）
• 所属期刊栏目: 医学数学模型探讨
• 页码范围: 1-3
• 页数: 3页
• 分类号: R311
• 字数: 3673字
• 语种: 中文
• DOI: 10.3969/j.issn.1004-4337.2019.01.001

摘要

目的 :实现和比较5种常见的机器学习算法在脂肪肝分类预测研究中的应用.方法 :通过主成分分析对数据的体检指标进行降维,然后应用决策树 、神经网络 、支持向量机 、贝叶斯网络和随机森林算法,分别构建脂肪肝分类预测模型,对1956例体检数据进行脂肪肝的分类预测.结果 :决策树分类模型在脂肪肝分类预测上的准确率最高,达到70.14％,其次是支持向量机和神经网络模型,处于68％ 左右的水平.结论 :本文所研究的典型算法在脂肪肝分类的预测上具有较为可靠分类预测能力,但决策树模型在应用小样本数据上表现出了优势;同时,还发现臀围(HIP)和甘油三酯(TG)可能与脂肪肝分类关联密切.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	邵建华	上海中医药大学中药学院数理教研室	16	32	4.0	5.0
2	赵莹	上海中医药大学中药学院数理教研室	14	47	4.0	6.0
3	孙继佳	上海中医药大学中药学院数理教研室	15	95	6.0	9.0
4	余秋燕	上海中医药大学中药学院数理教研室	1	2	1.0	1.0