机构名称：
¥ 1.0
在这项工作中，建议专门用于检测妊娠糖尿病（GDM）的基于机器学习（ML）的电子诊断系统。审查最近的GDM数据并概述了GDM与糖尿病前期疾病之间的紧密联系，以及我们的目标是胰岛素抵抗的未来下降和未来下降的潜力。本研究探讨了K-Nearest邻居（KNN）算法在广泛使用的PIMA Indians糖尿病数据库上的诊断中的应用。KNN算法是一种非参数，基于实例的学习方法，用于将个体归类为糖尿病或非糖尿病患者，我们的目标是评估算法的准确预测和探索影响其性能的因素的能力。该研究以数据预处理开始，包括处理丢失值，功能缩放以及将数据分解为训练和测试集。使用这些最佳拟合参数对KNN分类器进行了训练和测试。这项研究的结果揭示了一个模型在预测糖尿病诊断时精度约为0.76。这项研究研究了糖尿病患者分类的各种机器学习方法，包括召回，准确性，精度和F1评分。该研究讨论了超参数调整，数据预处理和数据处理不平衡的重要性在实现最佳KNN模型性能中的重要性。最后，这项研究显示了如何使用PIMA Indians糖尿病数据库来投射KNN算法。调查结果表明，KNN可以作为早期糖尿病的可行工具，为在医疗保健和预测建模中更广泛的应用铺平道路。
早期糖尿病检测和诊断的机器学习
主要关键词
相关文件推荐
