基于GAXgboost模型的糖尿病风险预测

作者：张春富; 王松; 吴亚东; 王勇; 张红英^*

来源：计算机工程, 2020, 46(03): 315-320.

DOI：10.19678/j.issn.1000-3428.0054109

• 糖尿病预测
• 机器学习
• 辅助诊疗
• GAXgboost模型
• 遗传算法

糖尿病是一种无法根治的代谢性慢性病,早发现、早治疗能降低其发病风险。机器学习模型可以对疾病进行有效预测,提供辅助诊疗。为此,提出一种GAXgboost模型应用于糖尿病风险预测。以Xgboost算法为基础,利用遗传算法良好的全局搜索能力弥补Xgboost收敛较慢的缺陷,通过精英选择策略保证每一轮的进化结果最佳。实验结果表明,GAXgboost模型在糖尿病预测中的均方误差为0.606,预测精度优于线性回归、决策树、支持向量机和神经网络等算法,调参时间为152 s,用时少于网格搜索和随机游走方法。

• 单位
  西南科技大学