基于机器学习的冠心病住院费用预测研究

作者：夏涛; 徐辉煌; 郑建立^*

来源：智能计算机与应用, 2019, 9(05): 35-39.

• 冠心病
• 住院费用
• 集成学习
• 随机森林
• 极端梯度提升

冠心病是一种常见的心血管疾病,具有高发病率的特点。因此,冠心病住院费用的预测对于控制医疗费用有着重要意义。本文基于机器学习方法,通过将总的住院费用划为8个分项费用,以患者特征作为输入,结合随机森林与极端梯度提升算法,并使用十折交叉验证确定最佳的分项费用预测模型。再根据分项费用的预测值进行求和得出总的预测住院费用。总费用预测模型的拟合优度(R2)为0.825,平均绝对百分比误差(MAPE)为29.16%。以此预测模型测试新的数据集,结果 R2为0.769,MAPE为29.13%。结果表明,本文建立的费用预测模型能够有效地预测冠心病住院费用。

• 单位
  上海理工大学