机构名称：
¥ 1.0
糖尿病是人类已知的最古老的疾病之一，可以追溯到古埃及。这种疾病是一种慢性代谢疾病，由于年度患者的稳定增长，全球医疗保健额的负担很大。令人担忧的是，糖尿病不仅会影响人口老龄化，还会影响儿童。控制这个问题很普遍，因为疾病会导致许多健康并发症。随着进化的发生，人类开始使用医疗保健系统对计算机技术进行整体技术。人工智能的利用有助于医疗保健在诊断糖尿病患者，更好的医疗保健服务和更偏心的情况下更有效。在人工智能的高级数据挖掘技术中，堆叠是糖尿病领域中最突出的方法之一。因此，本研究选择研究堆叠合奏的潜力。这项研究的目的是降低堆叠固有的高复杂性，因为此问题有助于较长的训练时间，并减少糖尿病数据中的异常值以提高分类性能。在解决这一问题时，引入了一种新型的机器学习方法，称为“堆叠递归特征消除 - 隔离森林”进行预测。使用递归功能消除堆叠的应用是为糖尿病诊断设计有效的模型，同时使用较少的功能作为资源。此方法还融合了将隔离林作为一个离群移除方法的利用。研究使用准确性，精度，召回，F1测量，训练时间和标准偏差指标来识别分类性能。该提出的方法获得了PIMA印第安人糖尿病的准确度为79.077％，糖尿病预测数据集获得了97.446％的精度，超过了许多现有方法并证明了糖尿病领域的有效性。
隔离森林用于分类糖尿病
主要关键词
相关文件推荐
