基于Smote-XGBoost算法的心脏病预测模型研究

发布日期：2022年6月30日

预览
摘要

本内容试读结束

下载后可阅读完整内容，立即下载

该模型首先采用合成少数类过采样技术编辑的最近邻来平衡训练数据分布，然后通过集成学习算法XGBoost预测心脏病。为了验证模型效果，本文采用心脏病患者真实医疗数据，利用专家咨询法提取特征，并通过混淆矩阵进行模型评估。与4类基线算法相比，所提模型在AUC、Accuracy、Recall和F-Score指标的评测下均表现良好。实验结果显示，所提模型能够为心脏病预测提供更精准、更智能的辅助参考，同时可以在一定程度上提高诊断的效率和心脏病预测的准确率。