典型文献
基于ADE-Stacking的心力衰竭非计划性再入院风险预测模型
文献摘要：
随着人口老龄化加剧,心力衰竭发病率升高,心衰患者的非计划性再入院问题导致患者生存质量降低、医疗成本升高的情况日益严重,因此成为了一个亟待解决的问题.本文针对再入院风险预测问题,提出一种基于ADE-Stacking的心衰患者非计划性再入院风险预测模型,这一模型主要由集成学习算法模型构建与参数优化2部分构成,集成学习算法可以结合多个弱分类器的优势,使模型具有更好的泛化性和准确率,参数优化部分采用自适应收缩因子F改进的差分进化算法寻优,以提高参数寻优性能.使用心力衰竭再入院病人数据集对模型进行训练与测试,结果显示本文所提出的模型优于风险预测模型常用的随机森林、XGBoost、支持向量机等其他机器学习算法.
文献关键词：
心力衰竭;再入院;差分优化算法;集成学习;参数优化
中图分类号：
作者姓名：
王磊;宋波
作者机构：
青岛科技大学信息科学技术学院,山东 青岛 266000
文献出处：
引用格式：
[1]王磊;宋波-.基于ADE-Stacking的心力衰竭非计划性再入院风险预测模型)[J].计算机与现代化,2022(01):23-27
A类：
差分优化算法
B类：
ADE,Stacking,心力衰竭,非计划性再入院,风险预测模型,心衰患者,生存质量,医疗成本,本升,日益严重,集成学习算法,算法模型,弱分类器,泛化性,应收,收缩因子,差分进化算法,算法寻优,高参数,参数寻优,寻优性能,病人数,XGBoost,机器学习算法
AB值：
0.24526
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。
