基于CatBoost算法和模糊分类系统的青年人血压预测方法

• 作者: 刘娟 王世军 赵欢欢 马祖长
• 来源期刊: 北京生物医学工程
• 学科: 医学
• 关键词: 收缩压 舒张压 CatBoost 模糊分类系统 生活方式
• 年，卷（期）: 2020,（6）
• 所属期刊栏目: 论著
• 页码范围: 601-608
• 页数: 8页
• 分类号: R318
• 语种: 中文
• DOI: 10.3969/j.issn.1002-3208.2020.06.008.

摘要

目的 探究CatBoost算法在青年人血压预测中的应用价值,为青年人高血压及高血压前期预警提供一种可行的技术手段.方法 以2015—2017年期间在北京某医院体检中心进行健康体检的3872位青年人为研究对象,基于人口统计学和生活方式等指标,分别利用CatBoost算法构建收缩压预测模型和舒张压预测模型,然后利用模糊分类系统预测血压分级.使用线性回归、人工神经网络和SVM 3种机器学习算法分别构建血压预测模型,并与CatBoost模型进行比较分析.以均方根误差(root mean square error,RMSE)和平均绝对百分比误差(mean absolute percentage error,MAPE)作为模型的评价指标,并进一步分析模糊分类系统的预测效果.结果 对于收缩压预测,基于CatBoost的模型在测试集上表现最优,RMSE和MAPE分别为11.17和7.18％.对于舒张压预测,基于CatBoost的模型在测试集上表现最优,RMSE和MAPE分别为9.04和9.29％.进一步的模糊分类也取得了较好的血压分类准确性.变量重要性分析表明,影响青年人血压值最重要的4个因素依次是年龄、身体质量指数(body mass index,BMI)、家族史和腰高比(waist-to-height ratio,WHtR).结论 CatBoost算法在青年人血压预测中的应用具有一定的可行性,相比于其他传统算法,具有更好的预测能力.结合模糊分类系统,可以给用户较准确的血压分级预测.