典型文献
基于机器学习的心血管病风险评估模型构建研究
文献摘要：
目的 建立心血管病风险评估模型,分析潜在的疾病危险因素.方法 利用多种机器学习方法对心血管疾病数据进行建模,利用十折交叉验证方式进行模型评价,筛选最优模型,解析模型结构,提取关键特征.结果 随机森林算法的表现优于其他比较算法,准确率为(0.8957±0.0022),召回率为(0.9506±0.0010),F1为(0.9223±0.0010),AUC达到0.97685,对模型影响较大的前5个特征依次为:BMI(体质指数)、Physical Health(身体健康状态)、Sleep Time(睡眠时长)、Mental Health(精神健康状态)、Diff Walking(行走困难).结论 利用机器学习方法可以有效构建心血管病风险评估模型,通过分析模型结构和关键特征,可以进一步提取相关危险因素,为心血管病预防提供支撑.
文献关键词：
机器学习;心血管病;风险评估;模型构建
中图分类号：
作者姓名：
姜荣荣;李娉婷;杨涛
作者机构：
南京中医药大学 护理学院,江苏南京 210023;南京中医药大学人工智能与信息技术学院,江苏南京 210023
文献出处：
引用格式：
[1]姜荣荣;李娉婷;杨涛-.基于机器学习的心血管病风险评估模型构建研究)[J].中国卫生产业,2022(18):145-148
A类：
B类：
基于机器学习,心血管病风险评估,风险评估模型,立心,病危,机器学习方法,心血管疾病,十折交叉验证,模型评价,最优模型,解析模型,模型结构,关键特征,随机森林算法,召回率,体质指数,Physical,Health,健康状态,Sleep,Time,睡眠时长,Mental,精神健康,Diff,Walking,有效构建,相关危险因素,心血管病预防
AB值：
0.373245
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
