机构名称：
¥ 1.0
糖尿病（DM）是一项全球健康挑战，需要一种创新的早期检测方法和有效管理的方法。本研究旨在比较糖尿病类型分类中的随机森林和XGBoost算法，并使用可解释的AI（XAI）技术（例如Shap和Lime）来增加模型的解释。该研究方法包括一个公共数据集处理，其中包含70,000个条目，具有34个医疗功能，使用优化参数和解释分析的培训模型。结果表明，XGBoost具有较高的准确性（90.6％），概括良好，而随机森林的训练时间效率较高。分析识别主要因素的特征，例如年龄，血糖水平和在怀孕期间的体重增加而影响预测。这一发现提供了支持医疗决策的准确透明模型指南。
比较糖尿病的随机森林和Xgboost ...
主要关键词
相关文件推荐
