基于数据挖掘技术的糖尿病风险预警研究

目录

声明

第1章 绪论

1.1研究背景与意义

1.1.1研究背景

1.1.2研究意义

1.2研究现状

1.2.1国外研究现状

1.2.2国内研究现状

1.3研究内容与方法

1.3.1研究内容

1.3.2研究方法

1.4研究特色与不足

1.4.1研究特色

1.4.2研究不足

第2章 糖尿病数据挖掘的相关理论与技术

2.1糖尿病概述

2.1.1糖尿病的诊断标准

2.1.2糖尿病的分类

2.1.3糖尿病的高危因素

2.2数据挖掘相关理论与方法

2.2.1数据挖掘的定义与方法

2.2.2数据挖掘的流程

2.2.3模型评估方法

2.3实验环境

2.4本章小结

第3章 糖尿病数据的探索性分析

3.1糖尿病数据的来源

3.1.1数据集选取

3.1.2数据集介绍

3.2糖尿病数据预处理

3.2.1原始数据集的处理

3.2.2糖尿病风险预警的设定与建模数据集的形成

3.3糖尿病数据的一般性分析

3.3.1数据标签的特点

3.3.2性别特点

3.3.3年龄特点

3.3.4体重指数特点

3.3.5其他定性变量的特点

3.3.6其他定量变量的特征

3.4糖尿病数据的主成分分析

3.4.1主成分分析理论概述

3.4.2糖尿病数据的主成分分析结果

3.5本章小结

第4章 糖尿病风险预警模型的建立与模拟应用

4.1算法原理简介

4.1.1 KNN算法

4.1.2 Logistic回归算法

4.1.3 SVM算法

4.1.4随机森林算法

4.1.5 LightGBM算法

4.2模型构建与评估

4.2.1 KNN模型与评估

4.2.2 Logistic回归模型与评估

4.2.3 SVM模型与评估

4.2.4随机森林模型与评估

4.2.5 LightGBM模型与评估

4.3模型比较与总结

4.3.1模型对比结果

4.3.2变量重要性排名

4.4重要变量的再建模与评价

4.5糖尿病风险预警模型的模拟应用

4.6本章小结

第5章 总结与展望

5.1全文总结

5.2展望

参考文献

附录A LightGBM算法涉及的算法过程

附录B R语言主成分分析的代码

致谢

个人简历 在读期间发表的学术论文与研究成果