基于K近邻-随机森林集成算法的肝病预测研究

• 作者: 侯珂珂 蔡莉莉
• 来源期刊: 电脑知识与技术:学术版
• 学科: 工学
• 关键词: 肝病预测 K近邻 随机森林 集成模型 F1-分数
• 年，卷（期）: 2020,（13）
• 页码范围: 204-205
• 页数: 2页
• 分类号: TP391

摘要

为了提高肝病预测准确率,提出一种基于K近邻-随机森林算法的肝病预测集成模型。首先对UCI数据集中的印度肝病数据集进行数据预处理;然后分别采用K近邻和随机森林算法构建出肝病预测的弱分类器;最后将两个弱分类器利用voting策略进行集成以获得集成肝病预测模型。同时分析了特征对模型的贡献程度。实验结果表明模型的性能指标F1-分数取得了84%的良好表现。因此利用该集成模型可为医生的临床诊断提供支持。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	侯珂珂	中山大学新华学院健康学院	6	3	1.0	1.0
2	蔡莉莉	中山大学新华学院生物医学工程学院	4	2	1.0	1.0