典型文献
基于Stacking集成学习的心脏病诊断方法
文献摘要：
心脏病是威胁国民健康的主要疾病.将机器学习技术应用于心脏病诊断任务,是临床医疗诊断领域的重大突破.以UCI的心脏病数据集为实验数据,提出一种基于Stacking算法的集成学习模型,对不同的基分类器组合进行集成训练,寻找最优的组合策略.结果表明,基分类器差异性大的组合模型具有更好的分类性能,该方法对于提高分类器性能具有可行性和有效性,在心脏病数据集上的分类准确率达到89.78％,能够较好地解决心脏病的临床诊断问题.
文献关键词：
Stacking;k折交叉验证;心脏病诊断
中图分类号：
作者姓名：
邵为希
作者机构：
华南师范大学数学科学学院,广东广州 510631
文献出处：
引用格式：
[1]邵为希-.基于Stacking集成学习的心脏病诊断方法)[J].现代信息科技,2022(24):97-99,103
A类：
B类：
Stacking,心脏病诊断,国民健康,主要疾病,机器学习技术,医疗诊断,重大突破,UCI,集为,集成学习模型,基分类器,组合策略,组合模型,分类性能,分类准确率,决心,诊断问题,交叉验证
AB值：
0.376122
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。
