基于缺失森林的医疗大数据缺失值插补

作者：白洪涛; 栾雪; 何丽莉; 毕亚茹; 张婷婷; 孙成林^*

来源：吉林大学学报(信息科学版), 2022, 40(04): 616-620.

DOI：10.19292/j.cnki.jdxxp.20220725.001

• 缺失数据插补
• 缺失森林插补法
• 大数据
• ALT与糖尿病剂量-反应

为解决医疗数据集中数据缺失对分类器的性能以及下游任务产生的不利影响，提出使用缺失森林插补法对医疗数据集中缺失值进行插补。该方法首先采用数据集中完整数据的观测值训练一个随机森林模型；利用训练好的随机森林模型预测缺失数据；不断重复迭代上述过程，从而完成数据缺失值补全。在两个医学数据集上进行测试，结果表明，根据NRMSE(Normalized Root Mean Squared Error)和PFC(the Proportion of Falsely Classified)评估指标，缺失森林插补法误差较低，插补效果优于K最近邻插补法、多重插补法和GAIN(Generative Adversarial Imputation Nets)插补法。同时，使用糖尿病数据集通过分析谷丙转氨酶(ALT:ALanine aminoTransferase)与糖尿病剂量反应关系证明了缺失森林插补法的稳定性。

• 单位
  吉林大学第一医院; 吉林大学