基于随机森林的亚健康状态预测与特征选择方法研究-计算机应用与软件.pdfVIP

第３１卷第１期　　　 计算机应用与软件 Ｖｏｌ３１Ｎｏ．１ ２０１４年１月　　 ＣｏｍｐｕｔｅｒＡｐｐｌｉｃａｔｉｏｎｓａｎｄＳｏｆｔｗａｒｅ Ｊａｎ．２０１４ 基于随机森林的亚健康状态预测与特征选择方法研究 王 小 强 （炎黄职业技术学院机电工程系　江苏淮安２２３４００） 摘　要　　亚健康状态是一种介于健康和疾病之间的低质量状态。研究的目的是要确定哪些因素或因素组合能够针对亚健康状态 进行预测。临床流行病学调查，获取５７２个实际案例（其中，５２３宗均为亚健康状态，４９宗为健康），在报告中包括了５０种相关症状。 应用随机森林分类技术进行基于临床数据分析的亚健康状态预测，正确分类率为９１．２８％。由５０倍随机森林方法所得到的特征选 择（症状），即疲劳、心悸、四肢肌无力、疲劳程度和悲观态度是重要的判别变量。相关实验结果显示了提出方法的可行性与高效性。 关键词　　亚健康状态　随机森林　特征选择　状态预测　数学模型 中图分类号　ＴＰ３９１　　　　文献标识码　Ａ　　　　ＤＯＩ：１０．３９６９／ｊ．ｉｓｓｎ．１０００３８６ｘ．２０１４．０１．０８０ ＲＥＳＥＡＲＣＨＯＮＲＡＮＤＯＭＦＯＲＥＳＴＢＡＳＥＤＳＵＢＨＥＡＬＴＨＳＴＡＴＥ ＰＲＥＤＩＣＴＩＯＮＡＮＤＦＥＡＴＵＲＥＳＥＬＥＣＴＩＯＮＭＥＴＨＯＤ ＷａｎｇＸｉａｏｑｉａｎｇ （ＤｅｐａｒｔｍｅｎｔｏｆＭｅｃｈａｎｉｃａｌａｎｄＥｌｅｃｔｒｉｃａｌＥｎｇｉｎｅｅｒｉｎｇ，ＹａｎｈｕａｎｇＶｏｃａｔｉｏｎａｌａｎｄＴｅｃｈｎｉｃａｌＣｏｌｌｅｇｅ，Ｈｕａｉａｎ２２３４００，Ｊｉａｎｇｓｕ，Ｃｈｉｎａ） Ａｂｓｔｒａｃｔ　　Ｓｕｂｈｅａｌｔｈｓｔａｔｅｉｓａｌｏｗｑｕａｌｉｔｙｓｔａｔｕｓｂｅｔｗｅｅｎｈｅａｌｔｈｉｎｅｓｓａｎｄｄｉｓｅａｓｅ．Ｔｈｅａｉｍｏｆｔｈｅｓｔｕｄｙｉｓｔｏｄｅｔｅｒｍｉｎｅｗｈｉｃｈｆａｃｔｏｒｓａｎｄ／ ｏｒｃｏｍｂｉｎａｔｉｏｎｏｆｆａｃｔｏｒｓｃａｎｐｒｅｄｉｃｔｓｕｂｈｅａｌｔｈｓｔａｔｅ．Ｉｎｔｈｅｐａｐｅｒ，ｔｈｅａｕｔｈｏｒｓｃａｒｒｉｅｓｏｕｔａｃｌｉｎｉｃａｌｅｐｉｄｅｍｉｏｌｏｇｙｓｕｒｖｅｙａｎｄｏｂｔａｉｎｓ５７２ｃａ ｓｅｓ（ａｍｏｎｇｔｈｅｍ５２３ａｒｅｉｎｓｕｂｈｅａｌｔｈｙｓｔａｔｅａｎｄｔｈｅｏｔｈｅｒ４９ａｒｅｉｎｈｅａｌｔｈｙｓｔａｔｅ）．Ｔｈｅｒｅａｒｅ５０ｒｅｌｅｖａｎｔｓｙｍｐｔｏｍｓｉｎｃｌｕｄｅｄｉｎｒｅｐｏｒｔ．Ｔｈｅｙ ａｐｐｌｙｒａｎｄｏｍｆｏｒｅｓｔｃａｔｅｇｏｒｉｚａｔｉｏｎｔｅｃｈｎｉｑｕｅｔｏｐｒｅｄｉｃｔｔｈｅｓｕｂｈｅａｌｔｈｓｔａｔｅｂａｓｅｄｏｎｃｌｉｎｉｃａｌｄａｔａａｎａｌｙｓｉｓ．Ｔｈｅｙｒｅａｃｈ９１．２８％ｆｏｒｔｈｅｃｏｒｒｅｃｔ ｃｌａｓｓｉｆｉｃａｔｉｏｎｒａｔｅｓ．Ｔｈｅｆｅａｔｕｒｅｓｅｌｅｃｔｉｏｎｓｂｙ５０ｔｉｍｅｒａｎｄｏｍｆｏｒｅｓｔｍｅｔｈｏｄ（ｓｙｍｐｔｏｍｓ）ａｒｅａｓｆｏｌｌｏｗｓ：Ｆａｔｉｇｕｅ，Ｐａｌｐｉｔａｔｉｏｎ，Ｍｙａｓｔｈｅｎｉａｏｆ ｌｉｍｂｓ，Ｄｅｇｒｅｅｏｆｆａｔｉｇｕｅ，ａｎｄＰｅｓｓｉｍｉｓｍａｒｅｉｍｐｏｒｔａｎｔｄｉｓｃｒｉｍｉｎａｔｉｖｅｖａｒｉａｂｌｅｓ．Ｒｅｌｅｖａｎｔｅｘｐｅｒｉｍｅｎｔｓｐｒｏｖｅｔｈｅｐｒａｃｔｉｃａｂｉｌｉｔｙａｎｄｅｆｆｉｃｉｅｎｃｙｏｆ ｔｈｅｐｒｏｐｏｓｅｄｍｅｔｈｏｄ． Ｋｅｙｗｏｒｄｓ　　Ｓｕｂｈｅａｌｔｈｓｔａｔｅ　Ｒａｎｄｏｍｆｏｒｅｓｔ　Ｆｅａｔｕｒｅｓｅｌｅｃｔｉｏｎ　Ｓｔａｔｅｐｒｅｄｉｃｔｉｏｎ　Ｍａｔｈｅｍａｔｉｃａｌｍｏｄｅｌ 专注于以下目标：选择可以用来识别亚健康状态的特征，本文的 ０　引　言 主题也集中于这一点。自从随机森林方法由布赖曼首先提出以 来，特征提取便成为重要应用程