彭 岩，马 铃，张文静，李 晓，郭莹莹

(首都师范大学 管理学院，北京 100056)

0 引 言

随着人工智能的快速发展，机器学习技术广泛应用于疾病的风险预测，预测的模型从简单到复杂，逐步由单一模型发展为集成模型[1]。基于机器学习算法，研究者提出一系列经典的疾病预测模型。Yan Jianzhuo等[2]构建Random Forest模型、张春富等[3]构建XGBoost模型进行糖尿病风险预测，为糖尿病的诊断、筛查提供了科学指导。同时，基于回归分析[4]、神经网络[5]的模型在糖尿病及其并发症的预测中均取得良好的预测精度。但单一的机器学习算法在样本多、指标复杂的疾病数据中，存在泛化差、精度低等弊端。随着大数据、云计算技术的发展，基于集成学习算法，结合患者的多项检查指标来构建疾病风险预测模型，是近年来疾病预防的研究热点。Chen P等[6]构建LogitBoost模型，验证了基于Boosting的集成算法对糖尿病早期筛查具有重要意义。Syna Sreng等[7]、吴健等[8]基于Bagging算法构建糖尿病眼病集成预测模型,为糖尿病眼病的早期筛查提供了有效手段。

基于此，本研究提出一种基于差异性大、性能好的XGBoost、Random Forest算法的集成预测模型，并应用在糖尿病并发视网膜病变的研究，旨在解决单一预测模型精度提升有限、泛化性能较低的问题，为医生临床实践中对类似疾病的风险评估提供有效辅助，从而有效减少严重后果的产生及诊治费用。

1 相关算法描述

1.1 Logistic回归模型

Logistic回归[9]是一种广义线性回归分析模型，按因变量的类型，可分为二分类Logistic回归和多分类Logistic回归。由于因变量只有患病与不患病两种情况，因此采用二分类Logistic回归。……