基于機器學習分類算法的糖尿病輔助診斷研究

李婷 孫媛媛 李雪玲 董慧

摘要：為了輔助醫(yī)生進行糖尿病的診斷，增加診斷的準確性，探尋最適合用于糖尿病輔助診斷的機器學習分類算法。研究使用隨機森林、樸素貝葉斯分類、邏輯回歸、BP神經(jīng)網(wǎng)絡(luò)以及Adaboost集成算法5類機器學習分類算法進行建模，預測糖尿病的患病風險，同時采用多個評價指標驗證模型效果的優(yōu)劣。結(jié)論：五種算法的準確率均高于73%，其中邏輯回歸模型和BP神經(jīng)網(wǎng)絡(luò)模型準確率最高，達76.6％，但邏輯回歸模型的精確率最高且ROC曲線包圍面積（AUC） 最大，精確度高，達到82%。綜合比較五種算法的評價指標可見，基于邏輯回歸算法的模型更適合用于構(gòu)建糖尿病輔助診斷模型。

關(guān)鍵詞：機器學習算法；輔助診斷；數(shù)據(jù)挖掘；糖尿??；風險預測

中圖分類號：TP311 文獻標識碼：A

文章編號：1009-3044（2024）10-0027-03