基于随机森林和梯度提升决策树的高血压分析预测

作者：沈赛拉; 钟锋^*; 梁兴; 陈思悦; 沈诗钰; 陈璐静

来源：计算机时代, 2023, (05): 15-19.

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

• 慢性病
• 高血压
• 随机森林
• 梯度提升决策树

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。

• 单位
  浙江外国语学院