| 机器学习方法在早产和低出生体重儿预测中的应用 |
| |
| 引用本文： | 蒋雯音. 机器学习方法在早产和低出生体重儿预测中的应用[J]. 医学信息学杂志, 2019, 40(4): 59-63 |
| |
| 作者姓名： | 蒋雯音 |
| |
| 作者单位： | 宁波卫生职业技术学院 宁波 315100 |
| |
| 基金项目： | 浙江省教育厅一般科研项目“基于机器学习的高危妊娠中早产儿和低体重儿预测研究”（项目编号：Y201738666）。 |
| |
| 摘 要： | 应用机器学习方法构建早产儿和低出生体重儿的预测模型,包括逻辑回归、支持向量机和随机森林算法,运用交叉验证法得到不同算法的最优模型,综合准确率、F1值和AUC值评估3种模型的预测性能,结果表明基于随机森林算法的模型预测效果最好。
|
| 关 键 词： | 机器学习 早产儿 低出生体重儿 逻辑回归 支持向量机 随机森林 |
| 修稿时间： | 2018-10-20 |
Application of Machine Learning Methods in Prediction of Preterm Birth and Low Birth Weight Infants |
| |
| JIANG Wenyin. Application of Machine Learning Methods in Prediction of Preterm Birth and Low Birth Weight Infants[J]. Journal of Medical Informatics, 2019, 40(4): 59-63 |
| |
| Authors: | JIANG Wenyin |
| |
| Affiliation: | Ningbo College of Health Sciences, Ningbo 315100, China |
| |
| Abstract: | The prediction model for Preterm Birth(PTB) and Low Birth Weight(LBW) infants has been built by adopting Machine Learning(ML) techniques including Logical Regression(LR), Support Vector Machine(SVM) and Random Forest(RF) algorithm. The paper figures out the optimal models of different algorithms through using cross validation and then evaluates the predication performance of 3 models according to accuracy rate, F1score and AUC value. The result shows that the model based on RF algorithm features the best prediction effect. |
| |
| Keywords: | Machine Learning(ML) Premature Brith(PTB) Low Birth Weight(LBW) Logical Regression(LR) Support Vector Machine (SVM) Random Forest(RF) |
| 本文献已被 维普 等数据库收录！ |
| 点击此处可从《医学信息学杂志》浏览原始摘要信息 |
|
点击此处可从《医学信息学杂志》下载全文 |
