基于Metaheuristic的特征选择方法用于用机器学习算法诊断萨科佩尼亚
Jaehyeong Lee1, Yourim Yoon2, Jiyoun Kim3
1Department of IT Convergence, Gachon University, 1342 Seongnamdaero, Sujeong-gu, Seongnam-si 13120, Gyeonggi-do, Republic of Korea.
Biomimetics (Basel, Switzerland)
|March 27, 2024
概括
使用和搜索 (HS) 和遗传算法 (GA) 的元启发性特征选择,显著改善了用于诊断萨科佩尼亚的机器学习. 带有支向量机的HS实现了最佳的诊断性能.
科学领域:
- 老年学是指老年学的学科.
- 生物医学信息学 生物医学信息学
- 机器学习 机器学习
背景情况:
- Sarcopenia 诊断依赖于机器学习模型准确的特征识别.
- 有效的特征选择对于提高老化研究的诊断效率至关重要.
研究的目的:
- 评估基于元启发的特征选择方法,以改进基于机器学习的萨科佩尼亚诊断.
- 为了比较和搜索 (HS) 和基因算法 (GA) 识别关键诊断特征.
主要方法:
- 利用了第八届韩国长度老龄化研究 (KLoSA) 的数据.
- 应用HS和GA用于特征选择.
- 使用决策树,随机森林,支持矢量机器和天真贝叶斯算法评估的特征集.
主要成果:
- 在使用支矢量机器训练时,HS衍生的特征集实现了0.785的精度和0.782.78的加权F1得分.
- 在这种情况下,基于元启发的特征选择优于传统方法.
结论:
- 基于Metaheuristic的特征选择为Sarcopenia诊断提供了竞争优势.
- 建议对元启发术进行进一步的研究,以推进萨科佩尼亚诊断工具.


