汪艺璇

(河北地质大学经济学院,石家庄 050030)

0 引言

糖尿病是一种慢性疾病,目前还无法彻底治愈,其以高血糖为主要发病特征,会引发一系列的并发症。由于知晓率较低,往往患者发现患病时已经产生了一系列的并发症。若能找出糖尿病患者的相关特征,对其进行早期预测,防患于未然,可令患者更早的接受治疗,有助于更好地预防。目前,关于糖尿病分类预测的研究取得了一定的进展,汪迎归[1]提出优化及改进的Stacking分类预测模型,取得了较好的预测结果。杨雨含等[2]基于随机森林及序联合搜索的Wrapper式特征选择算法精度达到81.13%。刘文博等[3]基于迭代随机森林对糖尿病数据集进行分类,得到的分类结果较好。苗丰顺[4]使用了一种新型的Boosting算法进行糖尿病分类,预测效果较好。但目前基于树模型预测方法的糖尿病分类研究文献较少,树模型是以决策为基础的分类方法,包含单一的决策树及决策树组合模型。本研究以糖尿病分类为研究对象,分析对比了一系列树模型,如C4.5决策树生成算法、CART决策树生成算法、Bagging算法、随机森林、Adaboost算法等在糖尿病分类预测中的性能。

1 算法概述

树模型是一种以决策树模型为基础的模型,包括单一的决策树模型及组合的决策树模型。其中单一的决策树模型又发展出了不同的决策树生成算法,如C4.5与CART算法可用来生产决策树,这两种算法的区别在于特征选择方式不同,C4.5算法使用了信息增益比,CART算法则采用了基尼指数对特征进行分类。……