基于Xgboost和Keras框架的多疾病风险预测

摘要

慢性病已成为人类健康的主要威胁,找出慢性病发生直接的或间接的因素,做好疾病风险预测有着重要意义.本文采用3种集成学习算法RF、GBDT和Xgboost对3种慢性病进行分类,采用分类效果最好的Xgboost进行特征选择,使用Keras深度学习框架构建神经网络进行多疾病风险预测,采用问题转化中BR和LP二种方法将多疾病风险预测转化为多标签分类问题.