基于改进DeepFM的心脏病预测应用研究

摘要

近年来,心脏病在全球已严重威胁到人类的身体和生命健康安全,通过利用人工智能等技术手段来辅助医疗诊断的科学技术日益普遍,为提高心脏病诊断的准确性,本文提出了一种在DeepFM模型的基础上改进后的较为新颖的模型——RDF模型。RDF模型由三个组件共同构成,其中因子分解机对低阶特征交互进行建模,BP神经网络对高阶特征交互进行建模,集成树则进一步提高模型的准确性和稳健性。本文在UCI数据集中的303个心脏病样本上进行实验,实验结果显示AUC值为0.8809,准确率为0.8317。