三种风险预测模型预测钢铁工人颈动脉粥样硬化的效能比较

  • 打印
  • 收藏
收藏成功
微博 QQ空间 微信


打开文本图片集

【摘要】 背景 颈动脉粥样硬化（CAS）不仅影响钢铁工人的工作效率，而且是引发缺血性脑血管疾病最重要的危险因素。近年来，越来越多的学者利用机器学习并通过易获得的因素对疾病进行风险预测，但目前，关于CAS风险预测模型的研究依然缺乏。目的 运用支持向量机（SVM）、BP神经网络（BPNN）与随机森林（RF）模型构建钢铁工人CAS发生风险预测模型，并比较其预测效能。（剩余14285字）

试读结束

目录
monitor
客服机器人