检索结果-南通市图书馆

检索条件"主题词=极度梯度提升树算法"

共 2 条记录，以下是1-10 订阅

全选清除本页清除全部题录导出标记到"检索档案"

详细简洁

排序：

基于机器学习的糖尿病视网膜病变发生的风险预测模型研究

基于机器学习的糖尿病视网膜病变发生的风险预测模型研究

引用

作者：王谦问曲阜师范大学

学位级别：硕士

现如今,我国经济持续高速发展,国民生活水准也在不断提高,人们的饮食习惯较以往更趋向于重油重盐、高胆固醇,使得2型糖尿病发病率不断上升.而在2型糖尿病患者中,糖尿病视网膜病变(DR)的患病率随着身体指标的变化也有逐步增高趋势.因此,... 详细信息

现如今,我国经济持续高速发展,国民生活水准也在不断提高,人们的饮食习惯较以往更趋向于重油重盐、高胆固醇,使得2型糖尿病发病率不断上升.而在2型糖尿病患者中,糖尿病视网膜病变(DR)的患病率随着身体指标的变化也有逐步增高趋势.因此,如果能通过分析寻找到预测2型糖尿病患者DR发生的风险特征,建立高效DR发生预测分析模型,将为医师医疗诊断以及患者后续身体状态调整具有十分重要的意义.本文以国家人口健康科学数据中心所提供的《糖尿病并发症预警数据集》中的数据为分析对象进行预测分析.经我们对数据预处理后,得到容量为2991的数据集.本文以此数据集作为样本进行后续的研究.我们选定的数据包括性别、年龄、是否有下肢动脉病变、是否患肿瘤等32个特征作为研究的解释变量,2型糖尿病患者是否发生DR作为响应变量,并分析两者之间的相互关系.本文研究的主要目的如下:(1)通过分析得出影响糖尿病视网膜病变(DR)发生的重要特征.(2)构造合适的预测模型,为DR病症发生的医疗诊断以及患者后续身体状态调整提供模型支撑.首先,本文对数据进行清洗:对缺失率较高的特征和个体进行剔除,对异常值用空白值取代,对不同缺失值用平均数、中位数、固定值等进行补充,最后得到可用于分析的数据.其次,对清洗过后的数据借助基于XGBoost算法的过滤式特征选择法进行特征筛选,筛选出32个特征.最后,我们以8:2的比例将数据分成训练集与测试集.基于训练集的数据,我们分别建立了多元Logistic回归、CART决策树、kNN、XGBoost模型以及基于不同元学习器的两种Stacking混合模型等统计模型,采用网格调参等方法找到各个模型的最优超参数,并对各个模型进行训练.随后,利用测试集的数据测试所构建的各个模型.利用各个模型的混淆矩阵及ROC曲线计算得出准确率、AUC值、F1值等指标,并对其进行对比分析,得出以GLM为元学习器的Stacking混合模型为最佳预测模型.本文得到的分析结果如下:多种机器学习算法对DR发生一致认为的主要危险因素有:年龄(AGE)、BMI、糖化血红蛋白(HBA1C)、红细胞压积(红细胞比积测定)(PCV)、肾病(NEPHROPATHY)、冠心病(CHD)和肿瘤(tumor).在各预测模型中,以GLM为元学习器的Stacking混合模型预测AUC值最高,为0.924;以nnet为元学习器的Stacking混合模型与XGBoost模型次之,为0.923,此外,两者之间的各指标值较为相似,不同点在于两者在精确率与召回率上各有优势.由于本文以AUC值为主要的评判指标,因而认为以GLM为元学习器的Stacking混合模型是最优模型.模型预测效果最差的为Logistic回归模型,这可能是由于数据集中存在非线性关系,而逻辑回归无法很好地捕捉这些关系所致.

关键词：特征选择逻辑回归极度梯度提升树算法模型堆叠

来源：

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于云计算的开采沉陷移动变形数据处理与分析

基于云计算的开采沉陷移动变形数据处理与分析

引用

作者：彭小强安徽理工大学

学位级别：硕士

随着云计算、量子计算、机器学习、神经网络、遗传算法、核相关向量机等新技术、新方法的快速发展,变形监测技术面临更新换代,基于云平台的开采沉陷变形监测研究是数字矿山、智能矿山建设的重要一环。煤炭被采出后,引起岩层和地表的移... 详细信息

随着云计算、量子计算、机器学习、神经网络、遗传算法、核相关向量机等新技术、新方法的快速发展,变形监测技术面临更新换代,基于云平台的开采沉陷变形监测研究是数字矿山、智能矿山建设的重要一环。煤炭被采出后,引起岩层和地表的移动变形,这种移动变形在一定范围内对矿产资源安全开采、自然环境、居民日常生活都会造成一定的影响,可能导致矿产资源开采难度加大、自然环境不可逆的改变、建构筑物破损甚至破坏。因此,采动过程中对实测数据进行及时处理,掌握地表的移动变形情况,分析其移动变形规律十分重要。研究在云平台上建立数据处理系统,对于实现沉陷监测数据在云端上及时处理、成果资料及时展现和分享具有重要意义。鉴于此,本文对上述问题进行了研究,主要内容及成果有:1.本文基于概率积分法模型,采用两种概率积分法参数选取方法——利用模矢法和极度梯度提升树算法（XgBoost）求取朱集东矿1222（1）工作面的拟合参数和预计值,将两种方法求出的预计结果与实测值进行分析比较。其中,利用模矢法走向线下沉值的拟合误差在-65.0～+46.0mm,拟合中误差为24.9mm;倾向线下沉值的拟合误差在-54.0～+42.0mm,拟合中误差为21.7mm。利用极度梯度提升树算法以下沉系数为例,建立了概率积分法选取参数模型,并测试了计算结果的准确性和可靠性。由测试结果可知:下沉系数q计算的最大绝对误差为-0.09,最大相对误差为-10.7%。2.本文设计并实现了基于云平台的开采沉陷变形监测数据处理与分析系统,并改进了现有的软件处理系统功能和数据库系统,从总体设计、功能实现2方面搭建开采沉陷变形监测云平台系统,将主要为用户提供用户管理、工程项目文件管理、在线数据处理和数据成图4大功能。由观测站概略位置、观测数据、移动变形、绘制图形、参数求取、统计报表和系统用户7部分组成。3.以顾桥南1613（1）工作面为研究对象,利用开采沉陷变形监测云平台进行移动变形值数据处理、变形规律分析,并进行开采沉陷预计。预计结果表明:下沉和水平移动在下沉盆地中部拟合的相对误差较小,在边缘部分拟合的精度较中部稍差,下沉拟合效果较水平移动拟合效果稍差。其中,走向下沉拟合中误差53mm,走向水平移动拟合中误差为97mm,倾向下沉拟合中误差61mm,倾向水平移动拟合中误差75mm。图[56]表[12]参[105]

关键词：云计算开采沉陷变形监测移动变形预计极度梯度提升树算法

来源：

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

全选清除本页清除全部题录导出标记到“检索档案”

共1页 << < 1 > >>

回到顶部

执行限定条件

欢迎您,

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

请选择保存的检索档案：

请选择收藏分类：

通借通还

欢迎您,

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：