基于Spark大数据平台的老年病风险预警模型

摘要

针对我国社会老龄化进程加快背景下老年病风险预测的需求,设计基于数据挖掘思想的患病风险预警模型。采用决策树模型,根据居民的年龄、性别、BMI指数、家族病史等多项数据进行树结构的构建与修剪,同时引入Bagging、Boosting和Rotation Forest等方法进行树的训练。最后,使用Spark中的SQL和MLlib实现并行化的决策模型。仿真结果表明,风险预警的准确率可以达到98.07%。此外,集成学习规模对于模型预测的精度影响较小,决策树的剪枝可在不损失预测精度的前提下降低模型的复杂度。