深度残差网络模型的构建及其在糖尿病预测中的应用

作者：左星光; 范静^*

来源：现代电子技术, 2022, 45(15): 30-35.

DOI：10.16652/j.issn.1004-373x.2022.15.007

• 糖尿病预测
• 深度残差网络模型
• 神经网络
• 全连接层
• 激活函数
• 优化算法
• 准确率
• 精度

为提高糖尿病预测准确率和精度，针对糖尿病数据特性，构建由全连接层组成的深度残差网络。在残差块中加入批量标准化层，去除了Dropout层，进而确定了各层的排列顺序。分别使用3种不同激活函数和4种不同的优化算法时，对比深度残差网络的准确率、精度、召回值、F1值和平均准确率等评价指标值，进而选择Tanh作为模型激活函数，自适应矩估计（Adam）作为模型优化算法。采用梯度提升树算法选取影响糖尿病的主要特征，针对UCI糖尿病原始数据集和样本均衡数据集，将深度残差网络与随机森林模型、朴素贝叶斯模型、决策树模型、支持向量机模型、逻辑回归模型进行对比分析。预测结果表明，深度残差网络优于全连接神经网络；对于原始数据集和样本均衡数据集，深度残差网络模型的准确率和精度均优于相比较的其余5种预测模型。

• 单位
  上海第二工业大学