基于重采样技术在医学不平衡数据分类中的应用研究-中国卫生统计.PDF

中国卫生统计２０１８年４月第３５卷第２期 ·１７７· 基于重采样技术在医学不平衡数据分类中的应用研究 １ ２ １ １ １△ 　闫　慈　田翔华 　阿拉依 ·阿汗　张伟文 　曹明芹 　　【提　要】　目的　以代谢综合征为例，探讨不平衡数据对分类算法的影响，并运用重采样技术对数据进行平衡化处 理，比较神经网络、决策树的分类性能。方法　采用随机过采样、随机欠采样、混合采样和人工合成数据四种重采样技术， 比较数据重采样前后及四种数据重采样间使用神经网络、决策树分类的性能，以ＦＭｅａｓｕｒｅ，Ｇｍｅａｎ和ＡＵＣ作为模型评 价指标。结果　（１）分类算法性能随不平衡数据集不平衡比例的加剧而降低；（２）四种重采样技术中随机过采样后作用 于ＢＰ神经网络、Ｃ４５决策树分类性能最大。结论　分类性能随数据集中患病率的降低而下降。采用随机过采样提高了 算法的分类性能。建议在应用分类算法对医学不平衡数据分类前，采用随机过采样技术以提高分类性能。 【关键词】　代谢综合征　不平衡数据集　重采样技术　神经网络　决策树 ＡｐｐｌｉｃａｔｉｏｎｏｆｔｈｅＲｅｓａｍｐｌｉｎｇＴｅｃｈｎｏｌｏｇｙｉｎｔｈｅＣｌａｓｓｉｆｉｃａｔｉｏｎｏｆＩｍｂａｌａｎｃｅｄ ＭｅｄｉｃａｌＤａｔａｓｅｔｓ ＹａｎＣｉ，ＴｉａｎＸｉａｎｇｈｕａ，ＡｌａｙｉＡｈａｎ，ｅｔａｌ（ＣｏｌｌｅｇｅｏｆＰｕｂｌｉｃＨｅａｌｔｈ，ＸｉｎｊｉａｎｇＭｅｄｉｃａｌＵｎｉｖｅｒｓｉｔｙ（８３００１１），Ｕｒｕｍｑｉ） 【Ａｂｓｔｒａｃｔ】　Ｏｂｊｅｃｔｉｖｅ　Ｍｅｔａｂｏｌｉｃｓｙｎｄｒｏｍｅａｓｔｈｅｂｒｅａｋｔｈｒｏｕｇｈｐｏｉｎｔ，ｔｈｅｉｎｆｌｕｅｎｃｅｏｆｉｍｂａｌａｎｃｅｄｄａｔａｓｅｔｓｏｎｃｌａｓｓｉｆｉｃａ ｔｉｏｎｉｓｄｉｓｃｕｓｓｅｄ．Ｔｈｅｒｅｓａｍｐｌｉｎｇｔｅｃｈｎｉｑｕｅｉｓｕｓｅｄｔｏｂａｌａｎｃｅｔｈｅｄａｔａｓｅｔｓ，ａｎｄｔｈｅｃｌａｓｓｉｆｉｃａｔｉｏｎｏｆｎｅｕｒａｌｎｅｔｗｏｒｋａｎｄｄｅｃｉｓｉｏｎ ｔｒｅｅａｒｅｃｏｍｐａｒｅｄ．Ｍｅｔｈｏｄｓ　（１）ＢＰｎｅｕｒａｌｎｅｔｗｏｒｋａｎｄＣ４５ｄｅｃｉｓｉｏｎｔｒｅｅａｒｅｕｓｅｄｔｏｃｌａｓｓｉｆｙｉｍｂａｌａｎｃｅｄｄａｔａｓｅｔｓｏｆｄｉｆｆｅｒｅｎｔ ｒａｔｉｏｓ．（２）Ｔｈｅｒａｎｄｏｍｏｖｅｒｓａｍｐｌｉｎｇ，ｒａｎｄｏｍｕｎｄｅｒｓａｍｐｌｉｎｇ，ｈｙｂｒｉｄｓｍｅｔｈｏｄｓａｎｄｓｙｎｔｈｅｔｉｃｄａｔａｏｆｆｏｕｒｋｉｎｄｓｏｆｒｅｓａｍｐｌｉｎｇ ｔｅｃｈｎｏｌｏｇｙａｒｅｕｓｅｄｔｏｃｏｍｐａｒｅｔｈｅｄａｔａｓｅｔｓｏｆｂｅｆｏｒｅａｎｄａｆｔｅｒｒｅｓａｍｐｌｉｎｇａｎｄｆｏｕｒｒｅｓａｍｐｌｉｎｇｕｓｉｎｇｎｅｕｒａｌｎｅｔｗｏｒｋａｎｄｄｅｃｉ ｓｉｏｎｔｒｅｅ，ＦＭｅａｓｕｒｅ，ＧｍｅａｎａｎｄＡＵＣａｓｔｈｅｅｖａｌｕａｔｉｏｎｉｎｄｅｘｐｅｒｆｏｒｍａｎｃｅｏｆｔｈｅｍｏｄｅｌ．Ｒｅｓｕｌｔｓ　（１）Ｗｉｔｈｔｈｅｉｍｂａｌａｎｃｅｄ ｐｒｏｐｏｒｔｉｏｎｏｆｄａｔａｓｅｔｓｉｎｃｒｅａｓｅｓ，ｔｈｅＡＵＣｄｅｃｒｅａｓｅｄｇｒａｄｕａｌｌｙ，ｗｈｉｃｈｉｎｄｉｃａｔｅｓｔｈａｔｔｈｅｃｌａｓｓｉｆｉｃａｔｉｏｎｐｅｒｆｏｒｍａｎｃｅｏｆｔｈｅｃｌａｓｓｉｆｉ ｃａｔｉｏｎａｌｇｏｒｉｔｈｍｄｅｃｒｅａｓｅｄｗｉｔｈｐｒｏｐｏｒｔｉｏｎｏｆｔｈｅｉｍｂａｌａｎｃｅｄｄａｔａｓｅｔｓ．（２）Ａｆｔｅｒｒａｎｄｏｍｏｖｅｒｓａｍｐｌｉｎｇｈａｄｔｈｅｂｅｓｔｐｅｒｆｏｒｍａｎｃｅ． Ｃｏｎｃｌｕｓｉｏｎ　Ｔｈｅｐｅｒｆｏｒｍａｎｃｅｏｆｃｌａｓｓｉｆｉｃａｔｉｏｎａｌｇｏｒｉｔｈｍｓａｒｅｉｍｐｒｏｖｅｄｂｙｕｓｉｎｇｒａｎｄｏｍｏｖｅｒｓａｍｐｌｉｎｇ．Ｉｔｉｓｒｅｃｏｍｍｅｎｄｅｄｔｈａｔ ｔｈｅｒａｎｄｏｍｏｖｅｒｓａｍｐｌｉｎｇｉｓｕｓｅｄｂｅｆｏｒｅａｐｐｌｙｉｎｇｔｈｅｃｌａｓｓｉｆｉｃａｔｉｏｎａｌｇｏｒｉｔｈｍｉｎｔｈｅｍｅｄｉｃａｌｉｍｂａｌａｎｃｅｄｄａｔａｓｅｔｓ． 【Ｋｅｙｗｏｒｄｓ】　Ｍｅｔａｂｏｌｉｃｓｙｎｄｒｏｍｅ；Ｉｍｂａｌａｎｃｅｄｄａｔａｓｅｔｓ；Ｒ