科研之友
微信
新浪微博
Facebook
分享链接
摘要
针对疾病样本数据集不均衡以及传统模型预测精度低等问题，提出一种混合随机森林与人工神经网络（ANN）的集成预测模型。采用少数样本合成过采样技术（SMOTE）构建平衡训练数据集；结合随机森林特征选择优势和ANN的预测能力，通过集成方法构建混合随机森林与ANN的集成预测模型SMOTE-HRF-ANN以对畜禽疾病风险进行预警预测；将多种预测模型进行对比实验。实验结果表明，该模型能有效提高疾病预测的精准度与召回率，在少数类样本中的精确率和F1-score值分别达到96%和85%。
- 单位
针对疾病样本数据集不均衡以及传统模型预测精度低等问题，提出一种混合随机森林与人工神经网络（ANN）的集成预测模型。采用少数样本合成过采样技术（SMOTE）构建平衡训练数据集；结合随机森林特征选择优势和ANN的预测能力，通过集成方法构建混合随机森林与ANN的集成预测模型SMOTE-HRF-ANN以对畜禽疾病风险进行预警预测；将多种预测模型进行对比实验。实验结果表明，该模型能有效提高疾病预测的精准度与召回率，在少数类样本中的精确率和F1-score值分别达到96%和85%。
