支持向量机在2型糖尿病影响因素分析中应用.docVIP

支持向量机在2型糖尿病影响因素分析中应用 　　摘 要 目的：探讨支持向量机筛选疾病影响因素及构建基本预测模型的作用，为更好地运用支持向量机方法解决医学实际问题提供科学依据。方法：选取某社区电子健康档案2型糖尿病的数据资料，利用weka软件建立2型糖尿病影响因素拟合模型。结果：影响因素重要性从高至低前五位依次为家族史、BMI、年龄、心率、并发症。采用RBF核函数建立SVM预测模型，SVM模型的预测精度最高。讨论：支持向量机方法可实现对疾病相关因素的筛选和疾病预测模型的构建。 　　【关键词】支持向量机 2型糖尿病 影响因素 　　由于现代人不良的饮食习惯和生活习惯，2型糖尿病的发病率和死亡率迅速上升。因此，分析2型糖尿病发生的影响因素来进行有效的预防和控制疾病的发生是糖尿病防治研究的重要内容之一。目前，常用的进行2型糖尿病风险评估的几种数学模型有灰色预测法、回归预测法、决策树法、神经网络法等，但这些方法都存在一些缺点，如多重检验、维度困扰、过度拟合、易陷入局部极小点等。为解决以上问题，本文提出采用支持向量机进行建模。支持 向量机是在统计学习理论基础上发展而来的一种新的通用学习方法，在模型的复杂性和学习能力之间寻求最佳折衷，实现当前有限样本的最优解，模型泛化能力好，具有较强的容错性和自适应性等优势。 　　1 资料与方法 　　1.1 资料来源 　　本研究中资料数据来源于浙江省宁波市某社区医院电子健康档案，选取该医院报卡日期在2009年―2013年间，且在进行管理的2型糖尿病患者的信息。全部数据经电子健康档案系统以Excel表形式导出，并进行数据处理，对有缺失值和不符合逻辑的病例进行剔除，共计有效样本1685例，占全部病例的87.40%。 　　1.2 研究方法 　　采用SPSS19.0建立数据库，根据有关2型糖尿病及其风险因素研究的相关文献，选出与2型糖尿病相关的影响因素，包括患者的基本信息、诊断信息、常规检查信息、生活习惯、环境因素、遗传因素等，建立基于支持向量机的预测模型。以2型糖尿病判别效果评估为依据，筛选出2型糖尿病的风险因素及影响程度。 　　1.2.1 支持向量机 　　支持向量机（support vector machine，SVM） 分类方法在实际二类分类问题的应用中显示出良好的学习和泛化能力， 现已被广泛应用于诸多研究领域在医药卫生领域中， 如信号分类、图像处理、疾病诊断等也有相关介绍。SVM 算法是最终转化为一个二次型寻优问题，理论上得到的是全局最优解，具有无局部最小点、预测可靠性高且泛化能力强的特点。与传统统计学方法相比，它是一种专门研究有限样本情况下机器学习规律的理论，在解决小样本、非线性及高维模式识别中表现出特有的优势，并能够推广应用到函数拟合等其他机器学习问题中。 　　SVM 是从线性可分情况下的最优分类面发展而来的，其基本思想是先通过非线性变换把原数据空间变换到某一高维的特征空间，然后在这个新空间中求取最优线性分类面。这种非线性变换通过定义适当的内积函数加以实现。 　　核函数的选择是影响支持向量机的学习性能和泛化能力的关键。SVM模型中常用的核函数有以下几种： 　　（1）线性核函数（Linear Kernel）： 　　K（x，y）=x?y。 　　（2）多项式核函数（Polynomial Kernel）： 　　K（x，xi）=[γ*（x?xi）+coef]d，其中d为多项式的阶，coef为偏置系数。 　　（3）径向基核函数（ Radial basis function）： 　　K（x，xi）=exp（-γ||x-xi||2），其中 γ为核函数的宽度。 　　（4）Sigmoid核函数（两层神经网络）：K（x，xi）=tanh（γ（x?xi）+coef） 。 　　2型糖尿病样本集属于非线性问题，因此在核函数选择上主要采用多项式核函数和径向基核函数进行建模分析。通过实验确定分类效果较优的核函数。 　　1.2.2 数据预处理 　　将健康档案中患者的基本信息、诊断信息、常规检查信息、生活习惯、环境因素、遗传因素等数据作为筛选因素变量。将2型糖尿病诊断结果作为因变量。研究变量及其量化方法详见表1。其中，BMI，舒张压、收缩压、甘油三酯、总胆固醇、高密度脂蛋白，低密度脂蛋白、每月动物油食用量、每月植物油食用量、每月食盐食用量以及心率均根据标准参考值进行分类。 　　1.2.3 SVM模型的建立 　　通过系统抽样将全部有效样本1685例按7：3的比例随机分为训练集和测试集，即训练集和测试集分别为1180例和505例。 　　经过数据的预处理，选择不同核函数类型分别建立模型。核函数的确定是建立在样本的基础上，同时需考虑各参数的影响。通过实验过程中对参数大小的调整，观察预测误差随核权重的