基于机器学习算法的脑卒中疾病早期预测模型研究
郭志恒1
刘青萍2
刘芳3
王成武1
阮旭凌1
1.湖南中医药大学信息科学与工程学院 长沙 4102082.湖南中医药大学信息科学与工程学院 长沙 410208;湖南中医药大学中医学国内一流建设学科 长沙 4102083.湖南中医药大学药学院 长沙 410208
摘要：采用支持向量机(SVM)、随机森林(RF)和逻辑回归(LR)等机器学习方法对脑卒中患者进行分类研究,构建脑卒中疾病预测模型,以期为疾病发生提供早期预警.对kaggle网站下载healthcare-dataset-stroke-data的数据通过SMOTE智能过抽样算法构建均衡数据集,运用支持向量机、随机森林和逻辑回归算法构建脑卒中预测模型.将SMOTE算法优化前后的预测结果进行比较分析,并采用支持向量机、随机森林和逻辑回归算法对优化后的数据集构建疾病预测模型,其结果的准确率、精确度、召回率和ROC值都有明显提高.仿真实验结果可知SMOTE+随机森林算法预测模型的准确率、精确度、ROC值都优于支持向量机和逻辑回归预测模型,可用于脑卒中疾病的早期预测,为医疗手段干预赢得时间,对降低脑卒中的发病具有重要意义.
关键词：脑卒中机器学习支持向量机逻辑回归随机森林SMOTE算法
分类号：TP301.6(计算技术、计算机技术)
资助基金：国家自然科学基金(81704064)研究生教育改革研究项目(2020JGYB132)湖南中医药大学中医学国内一流建设学科开放基金(2018ZYX17)湖南中医药大学信息科学与工程学院电子科学与技术学科开放基金项目(2018-2)
论文发表日期：2021-11-20
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：5( 2180-2183,2247 )
英文信息