首页|基于随机森林和梯度提升决策树的高血压分析预测

基于随机森林和梯度提升决策树的高血压分析预测

扫码查看
原文链接
  • NETL
  • NSTL
  • 万方数据
  • 维普
为进行高血压的危险因素分析与预测,提出一种基于随机森林和梯度提升决策树的模型.首先基于体检报告数据进行缺失值处理、one-hot编码、归一化、数据初步聚类等预处理;然后针对数据样本不均衡的特性,利用SOMTE算法进行重采样,基于随机森林得到特征重要性评分并进行特征选择;最后基于排名前20的特征值,利用梯度提升决策树算法产生预测模型.模型分析结果显示了高血压的危险性因素.经数据集交叉验证,模型准确率可以达到84.51％,具有较高的应用价值.
Analyze and predict the risk factors of hypertension based on the Random Forest and Gradient Boosting Decision Tree

沈赛拉、钟锋、梁兴、陈思悦、沈诗钰、陈璐静

展开 >

浙江外国语学院国际商学院计算机科学与技术系,浙江 杭州 310023

乐荐健康科技集团有限公司

慢性病 高血压 随机森林 梯度提升决策树

2020年浙江省教育厅一般科研项目2019年度博达青年教师科研提升专项2020年国家级大学生创新创业训练计划2020浙江省新苗计划

Y2020454452020142750072020R418009

2023

10.16644/j.cnki.cn33-1094/tp.2023.05.004

计算机时代
浙江省计算技术研究所　浙江省计算机学会

计算机时代

影响因子：0.411
ISSN：1006-8228
年,卷(期)：2023.(5)
  • 7