基于改进的LightGBM算法的心脏病预测方法

分享到

【作者】崔春燕，李宏滨
【刊名】信息技术与信息化
【作者单位】太原师范学院计算机科学与技术学院
【年份】2024
【卷号】第9期
【页码】39-42
【ISSN】1672-9528
【关键词】随机森林递归特征消除法 UCI数据集 LightGBM 心脏病预测
【摘要】为了优化心脏病预测模型，选取比较流行的UCI心脏病数据集为研究对象，提出基于随机森林-递归特征消除法和LightGBM的混合算法——RF-RFE-LightGBM作为心脏病预测方法。其中，利用RF-RFE算法提取较重要的特征，去除对预测结果影响较小的特征，针对优化后的特征建立LightGBM模型进行预测，采用主流的模型评价指标进行评估。实验结果表明，RF-RFE-LightGBM算法的准确率、精度、召回率、F值、AUC值分别为0.917 1、0.905 6、0.932 0、0.918 6和0.9...
【文献类型】期刊