基于机器学习的女性糖尿病患者识别

• 作者: 于洋
• 来源期刊: 中国高新区
• 关键词: 糖尿病 相关性分析 关联度分析 支持向量机 随机森林 诊断指导
• 年，卷（期）: 2019,（14）
• 所属期刊栏目: 高新科技
• 页码范围: 21-22
• 页数: 2页
• 字数: 2316字
• 语种: 中文

摘要

目前,女性糖尿病患者越来越多,糖尿病已成为影响她们生活质量的重要因素.本文查找了392个女性糖尿病病例,结合前人文献,采用相关性分析和灰色关联度分析,研究糖尿病相关的显著性指标并进行特征选择.结果显示皮肤厚度和血压两个指标与糖尿病标签结果相关性和关联度都比较低,因此将这两个指标筛除.接着,基于临床数据分别实现了支持向量机和随机森林两种算法对女性糖尿病患者的分类识别,并对样本进行检验.在具体实现过程中,支持向量机方法的准确度和召回率较低,而运行时间较短.随机森林方法的准确度和召回率较高,但运行时间较长.结合实际情况,与支持向量机方法相比,随机森林模型的预测效果更好,更适用于女性糖尿病患者识别和诊断.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	于洋		10	18	3.0	4.0