基于GBM的特征选择在心脏病预测中的研究OACSTPCD
Research on feature selection based on GBM in heart disease prediction
心脏病患者的人数逐年增多,死亡率居高不下,因此许多学者对基于机器学习的患病人群识别方法进行了研究,但由于心脏病数据的特征过多,构建的模型参数较多,往往导致训练时间过长.因此提出一种利用梯度提升机算法(GBM)对已有的特征选择算法进行改进,在通过减少特征数量实现缩短训练时间的同时,对心脏病患者的预测准确率也得到了提升.首先,采用遗传算法(GA)和基于相关性的特征选择(CFS)进行特征降维,并选出备选特征子集;其次,提出利用GBM实现对模型预测无关特…查看全部>>
刘云龙;周怡君;罗晨
东南大学 软件学院,江苏 苏州 215000东南大学 机械工程学院,江苏 南京 210000东南大学 机械工程学院,江苏 南京 210000
电子信息工程
特征选择遗传算法梯度提升机支持向量机CFSKNN心脏病预测boosting
feature selectionGA algorithmGBMSVMCFSKNNheart disease predictionboosting
《现代电子技术》 2023 (19)
101-106,6
评论