基于logistic回归组合预测的疾病诊断研究*
2018-03-05福建农林大学计算机与信息学院350002林雨婷庄虹莉李立婷温永仙
中国卫生统计 2018年1期
福建农林大学计算机与信息学院(350002) 林雨婷 庄虹莉 李立婷 温永仙
根据已有的数据建立模型,是预测目标对象走势和影响因素的关键,建立的模型的好坏直接关系到预测的精度。任何一种单项预测方法,在评估解释变量对预测目标的影响力的反映上并不能尽善尽美。单项预测模型的选择容易受到选择过程中的不确定因素的影响而具有不稳定性,选择一个预测模型就可能导致遗失其他未被选中的预测模型中的有用信息。为解决上述问题,学者们提出多种解决方法,其中组合预测是最常用的方法之一。组合预测模型是以单项预测模型为基础,对多个不同的单项预测模型根据不同的方法组合在一起,所以能综合利用单项预测模型有用信息,减小受单项模型选择中不确定因素的影响。
1969年,Bates和Granger[1]指出组合预测模型的均方误差比任何一个被组合的单项模型小,并将其运用于航空客运中,被许多学者认为是组合预测的起步。李勤[2]在文中分析研究线性组合预测和非线性组合预测,指出组合预测方法将越来越丰富。近年来,关于组合预测的方法研究主要有Gao等[3]提出删组的最优模型平均方法,Zhang等[4]提出的广义线性模型的最优模型平均方法。组合方法在航空客运量预测、城市流动人口预测、金融股票等方面都得到了广泛应用。近期有徐敏捷等[5]将组合模型用于网络舆情数据分析,提高了对舆情的发展势态的预测效果。目前国内外学者将组合预测模型运用到疾病诊断领域的研究还较少,本文将组合预测模型运用到Arrhythmia数据的分析中。……
登录APP查看全文
