TY - A2的长诗,费德里科•AU -李,宇凯盟-李,随着非盟——姚明,华PY - 2018 DA - 2018/07/10 TI -糖尿病随访数据的分析和研究使用Data-Mining-Based方法在新城市乌鲁木齐,新疆,中国,2016 - 2017 SP - 7207151六世- 2018 AB -本研究的重点是使用机器学习方法结合特征选择和不平衡的过程(击杀算法)糖尿病随访控制满意度数据进行分类和预测。特征选择和不平衡的过程后,糖尿病随访数据的新城市乌鲁木齐,新疆,作为支持向量机(SVM)的输入变量,决策树,集成学习模型(演算法和装袋)进行建模和预测。实验结果表明,学习演算法产生更好的分类结果。测试集,G-mean为94.65%,ROC曲线下的面积(AUC)是0.9817,和重要的变量在分类过程中,空腹血糖,年龄、体重指数。决策树的性能模型在测试集是相对较低的比支持向量机和整体学习模型。这些分类模型的预测结果是充分的。与单个分类器相比,集成学习算法分类精度显示不同程度的增加。学习演算法可用于糖尿病随访和控制满意度数据的预测。SN - 1748 - 670 - 2018/7207151 / 10.1155 x你——https://doi.org/10.1155/2018/7207151——摩根富林明——计算和数学方法在医学PB - Hindawi KW - ER