综合包装-RF学习模型用于中年和老年人群糖尿病诊断
1College of Art and Design, Wuhan Textile University, Wuhan, Hubei, China.
PeerJ. Computer science
|December 9, 2024
概括
一个新的包装RF模型准确地预测了老年人糖尿病. 这种机器学习方法改善了对老年人群糖尿病及时治疗的资源配置.
科学领域:
- 医疗信息学 医疗信息学
- 机器学习 机器学习
- 公共卫生 公共卫生
背景情况:
- 全球人口老龄化给医疗保健资源分配带来了挑战,特别是糖尿病患病率不断上升.
- 准确的糖尿病预测模型对于高效的医疗保健资源管理和及时的患者干预至关重要.
研究的目的:
- 开发和评估一种改进的糖尿病预测模型,即包装-RF模型,专门针对中年和老年人.
- 为了提高在老年人群中不同年龄组的糖尿病的鉴定.
主要方法:
- 两个Kaggle糖尿病数据集的预处理,包括数据清理,异常值删除和特定年龄的查 (50-60,60-70,70-80).
- 合成少数人过量采样技术 (SMOTE) 的应用,用于数据平衡.
- 培训和比较Bagging-RF模型与其他八个机器学习分类器.
主要成果:
- 包装RF模型表现出卓越的性能,在所有测试年龄组中实现了高准确性和F1得分 (例如,在50-60岁年龄组中97.35%的准确性和97.35%的F1得分).
- 该模型在糖尿病预测方面始终优于其他集成学习模型,包括ET,RF,Adaboost和XGB.
- 拟议的模型显示了在目标人群中准确识别糖尿病的巨大潜力.
结论:
- 包装-RF模型是预测中年和老年人糖尿病的高效工具.
- 这种预测能力可以显著帮助优化医疗保健资源分配和改善患者的治疗结果.
- 该研究强调了定制机器学习方法对于老龄化人口的公共卫生挑战的重要性.
