基于LightGBM的心血管疾病预测模型研究

摘要

应用机器学习对心血管疾病预测尤为重要。本文构建一种基于LightGBM的心血管疾病预测模型,并利用Kaggle平台的疾病数据集进行训练。该模型通过精确率、召回率和F1值3个指标进行性能评估,并将其与Logistic回归、梯度提升决策树(Gradient Boosting Decision Tree,GBDT)、随机森林进行对比实验。实验结果表明,本文构建的模型优于其他算法。利用KNN对该模型进行优化,最后通过10折交叉验证分析效果,结果表明经过K最邻近算法(K-NearestNeighbor,KNN)优化后,提高了该模型的预测能力。