机器学习多种算法在糖尿病检测分类中的应用研究

摘要

近年来，机器学习，深度学习以及人工智能领域的崛起，给人们的生活带来了巨大的变化.目前，人工智能已经应用到了智能控制，图像处理，语言识别等领域，在医学领域中的使用还很罕见. 本文通过研究机器学习算法对糖尿病的预测情况，寻找糖尿病检测的最优模型，以便将人工智能应用到医学领域中. 本文使用的是UCI中的皮马印第安人糖尿病数据集，在数据预处理之后，在模型建模之前，运用交叉验证的方法来找每个模型最优的参数，根据训练集的准确率来查找. 建模后，通过混淆矩阵图，计算出每个模型的Fi-Score作为模型的评价标准. 本文所选择的模型分为单个模型SVM，KNN,集成模型Bagging,随机森林，GBDT及分类投票聚合模型Voting.通过对比，找到最适合数据集的预测模型Voting,其次是KNN，SVM及Bagging.同时还发现了，对于糖尿病的预测问题来说，属性的重要程度从高到低依次为：血糖值，年龄，BMI,遗传指数，怀孕次数，血压，胰岛素含量，皮脂厚度.本文研究不仅能够完成对糖尿病的分类检测，对糖尿病的控制和预防也起到了很大的作用.

目录

第一个书签之前