首页|基于Xgboost和Keras框架的多疾病风险预测

基于Xgboost和Keras框架的多疾病风险预测

扫码查看
原文链接
  • NETL
  • NSTL
  • 万方数据
  • 维普
慢性病已成为人类健康的主要威胁,找出慢性病发生直接的或间接的因素,做好疾病风险预测有着重要意义.本文采用3种集成学习算法RF、GBDT和Xgboost对3种慢性病进行分类,采用分类效果最好的Xgboost进行特征选择,使用Keras深度学习框架构建神经网络进行多疾病风险预测,采用问题转化中BR和LP二种方法将多疾病风险预测转化为多标签分类问题.
Multi-disease risk prediction based on Xgboost and Keras frameworks

黄旭、贺松、席欢欢、张硕、张慧

展开 >

贵州大学 大数据与信息工程学院,贵阳550025

贵州大学 医学院,贵阳550025

慢性病 特征选择 Xgboost 多标签分类 Keras

贵州省数字健康管理工程技术研究中心项目

黔科合G字[2014]4002号

2020

智能计算机与应用
哈尔滨工业大学

智能计算机与应用

影响因子：0.357
ISSN：2095-2163
年,卷(期)：2020.10(9)
  • 4
  • 3