基于adaboost法在代谢综合征不平衡数据分类中的应用.docVIP

基于AdaBoost法在代谢综合征不平衡数据分类中的应用 闫慈 田翔华 阿拉依·阿汗 张伟文 曹明芹 新疆医科大学公共卫生学院 新疆医科大学医学工程技术学院 X 关注成功！ 加关注后您将方便地在 我的关注中得到本文献的被引频次变化的通知！ 新浪微博 腾讯微博 人人网 开心网 豆瓣网 网易微博 摘????要： 目的 (1) 针对医疗数据不平衡的特点, 以代谢综合征为例, 通过比较单纯决策树与AdaBoost+决策树分类代谢综合征的性能, 从而确定AdaBoost+决策树在医疗不平衡数据挖掘中的优点, 为计算机辅助诊断代谢综合征提供方法学参考。 (2) 采用决策树探讨代谢综合征的影响因素。方法 采用AdaBoost平衡代谢综合征数据, 并比较数据平衡前后决策树建模的性能, 采用F-value, G-mean和AUC分析评价模型。结果 (1) 相较于单纯决策树, AdaBoost+决策树的F-value值提高6.3%, G-mean提高3.5%, AUC提高0.4%, 分别表明采用AdaBoost+决策树分类代谢综合征患者识别的性能提高6.3%, 数据整体的分类精度提高3.5%;模型的综合分类能力提高0.4%。 (2) 探讨决策树影响因素均显示:空腹血糖、高密度脂蛋白、收缩压、年龄、体重指数是代谢综合征的主要影响因素。此外, 在本研究中, 决策树提示:若FPG6.02, BMI24.99, SBP139, age≤46, 则患有代谢综合征;若FPG≤6.02, HDL-C≤0.99, BMI≤24.99, age≤61, 则不患代谢综合征。结论 采用AdaBoost+决策树的性能优于决策树, 使用决策树所得结果与相关专业研究中代谢综合征影响因素相同。 关键词： 代谢综合征; AdaBoost; 决策树; 不平衡数据集; 作者简介：闫慈 (1991-) , 女, 在读硕士, 研究方向:数据挖掘 作者简介：曹明芹, E-mail:cmq66@126.com 收稿日期：2017-03-30 基金：新疆科技支疆项目 (2016E02082) Based on the application of AdaBoost + decision tree for metabolic syndrome with imbalanced data YAN Ci TIAN Xiang-hua ALAYI-Ahan ZHANG Wei-wen CAO Ming-qin School of Public Health, Xinjiang Medical University; Abstract： Objective ( 1) To determine the advantages of the AdaBoost + decision tree in mining unbalanced medical data by comparing the metabolic syndrome classification performance of decision tree and AdaBoost + decision tree concerning the characteristics of unbalanced medical data. So as to provide methodology reference for computer-aided diagnosis of metabolic syndrome. ( 2) To explore the influencing factors of metabolic syndrome with a decision tree. Methods The performance of the decision tree model before and after AdaBoost algorithms balancing metabolic syndrome dataset was compared. F-value, G-mean and AUC were used to analyse and evaluate the models. Results ( 1) Comparing with the decision tree, AdaBoost +decision trees F-value increased by 6. 3%, G-mean increased by 3. 5%, and AUC increased by 0. 4%, indicating that with the AdaBoost + decision tree classification th