TY -的A2 -卡里尔,艾哈迈德Mostafa盟——abdel fattah Manal盟——奥斯曼,内尔敏Abdelhakim盟,吴作栋Nagwa PY - 2022 DA - 2022/02/23 TI -预测慢性肾脏疾病使用混合动力机器学习基于Apache火花SP - 9898831六世- 2022 AB -慢性肾脏疾病(CKD)已成为一个普遍的疾病。它与各种严重的风险,比如心血管疾病,提高风险,和终末期肾病,可以轻松的早期发现和治疗可避免的人这种疾病的危险。机器学习算法是一个重要的援助来源医学科学家准确诊断疾病的开始阶段。最近,大数据平台与机器学习算法集成在一起,增加医疗保健价值。因此,本文提出了混合动力机器学习技术,包括特征选择方法和机器学习分类算法基于大数据平台(Apache火花),用于检测慢性肾脏疾病(CKD)。特征选择技术,即Relief-F和卡方特征选择方法,选择重要的功能。六个机器学习分类算法被用于这项研究:决策树(DT),逻辑回归(LR),朴素贝叶斯(NB),随机森林(RF)、支持向量机(SVM)和Gradient-Boosted树(GBT分类器)作为集成学习算法。四种方法的评价,即准确性、精密,回忆,和F1-measure应用来验证结果。对于每一个算法,交叉验证的结果和测试结果计算基于完整的特性,Relief-F选择的特性,特性由卡方选择特征选择方法。结果表明,支持向量机,DT, GBT与所选特征分类器实现最佳的性能在100%的准确率。 Overall, Relief-F’s selected features are better than full features and the features selected by chi-square. SN - 1687-5265 UR - https://doi.org/10.1155/2022/9898831 DO - 10.1155/2022/9898831 JF - Computational Intelligence and Neuroscience PB - Hindawi KW - ER -