ty -jour a2 -schwenker，弗里德赫尔姆·艾（Friedhelm au -Zhao -Zhao），Xin au -Shen，Wenqian au -Wang -Wang，Guanjun PY -2021 DA -2021/10/12 TI-基于机器学习算法的早期预测，基于机器学习算法SP -65222633 VL -20221AB-败血症是由感染引起的器官衰竭疾病，导致死亡率极高。机器学习算法XGBoost和LightGBM用于构建两种处理方法：平均处理方法和特征生成方法，旨在提前6小时预测早期败血症。特征生成方法是通过结合不同功能（包括统计强度特征，窗口功能和医疗功能）来构建的。Miceforest应用多个插值方法来解决大型缺失的数据问题。结果表明，该特征生成方法的表现优于平均处理方法。XGBoost和LightGBM算法在预测性能方面都非常出色（AUC：0.910〜0.979），其中LightGBM具有更快的运行速度，并且具有更强的概括能力，尤其是在多维数据上，在功能生成方法中，AUC达到0.979。PTT，WBC和血小板是预测早期败血症的关键风险因素。SN -1687-5265 UR -https：//doi.org/10.1155/2021/6522633 do -10.1155/2021/6522633 JF-计算智能和神经科学PB-