基于心脑血管疾病发病风险预测的CatBoost 算法和贝叶斯网络模型分析

  • 打印
  • 收藏
收藏成功
微博 QQ空间 微信


打开文本图片集

［摘 要］ 目的：筛选影响心脑血管疾病发病的主要特征变量，基于排序前10位的特征变量构建心脑血管疾病发病风险贝叶斯网络模型，为心脑血管疾病发病风险预测提供参考。方法：从英国生物样本（UK Biobank） 数据库中纳入315 896 例参与者和相关变量，通过类别型特征提升（CatBoost） 算法进行特征选择， 将所有参与者按7∶ 3 比例随机分为训练集和测试集， 并基于最大最小爬山（MMHC） 算法构建贝叶斯网络模型。（剩余11029字）

试读结束

目录
monitor