基于改进随机森林优化算法在医疗数据中的应用研究
2021-12-01苏前敏郭晶磊沈宙锋
智能计算机与应用 2021年8期
朱 城,苏前敏,郭晶磊,沈宙锋
(1 上海工程技术大学 电子与电气工程学院,上海 201620;2 上海中医药大学,上海 201203)
0 引言
国外研究人员早在2007 年就将大数据运用在流感预测上,根据用户网络搜索的关键词来判别流感是否爆发、流感预测,比当时的疾控中心还能早两周就预测出流感发病率[1]。精准智能医疗可以实现对未知病人是否患病情况进行智能预测,常用于肿瘤疾病的预测[2]。如华大基因等公司最近更是推出了自主研究的肿瘤基因检测服务,通过采取患者样本,对患者的癌组织进行相关基因分析,实现乳腺癌等癌症患者的早期检测[3]。
当前,众多学者、专家在医疗数据领域运用多种机器学习算法进行了分析和预测。提出了使用支持向量机建立模型对乳腺癌数据进行处理分析,发现基于K-medoids 聚类和支持向量机的改进算法(KD-SVM)分类精准率优于H-SVM 算法[4];提出了决策树机器学习算法在乳腺癌诊断中的应用,预测准确率达96%[5];研究了联合决策树及logistic 回归,建立乳腺癌相对风险预测模型,在保证模型检测准确率的同时通过logistic 组合模型能够对患病的危险特征进行捕捉和判断[6];提出了基于随机森林的乳腺癌计算机辅助诊断研究,相比决策树,使用随机森林算法构建模型,最终的检测准确率高达96.93%,又有了新的提升[7]。
本文应用了对医疗数据预测率较高的随机森林模型,通过改进减少特征维数的方式和将遗传算法的理论应用于参数调优,提出一种改进的随机森林多模型复合优化算法。……
登录APP查看全文
