基于WEKA的医学数据分类及糖尿病早期预测

• 作者: 张颖 窦一峰
• 来源期刊: 医学信息
• 关键词: 医学数据 算法 糖尿病
• 年，卷（期）: 2021,（6）
• 所属期刊栏目: 医学信息学|Medical Informatics
• 页码范围: 32-35
• 页数: 4页
• 分类号: R587.1|R195.1
• 语种: 中文
• DOI: 10.3969/j.issn.1006-1959.2021.06.009

摘要

目的 探索机器学习算法及衍生算法在医学数据集上的分类效果,以期更好的发现计算机在辅助医学诊断方面的应用价值.方法 以皮马印第安人糖尿病数据集为例,利用WEKA平台构建机器学习模型,包括基于贝叶斯定理的NavieBayes、基于集成学习的Bagging、基于树思想的J48等模型,共六大类21种算法,运用多维度多指标对所建立模型的预测效果进行评价.结果 RMSE和RRSE均较小的前5位算法依次为Logistic、LMT、RotationForest、RandomForest和Bagging;LMT、SMO、Logistic、NavieBayes、RotationForest的分类正确率均超过了76％,其真阳性率均在76％以上,ROC曲线显示,除SMO外,其余算法曲线下面积均在0.82以上.结论 在该糖尿病数据集上的分类预测效果较好的算法有 6 种, 分别是 LMT、SMO、Logistic、NavieBayes、RotationForest和Bagging,均具有较高的正确率和预测价值.