节点文献
基于极端梯度提升算法的超重和肥胖预测模型研究
【摘要】 利用极端梯度提升算法构建超重和肥胖风险预测模型，旨在为超重和肥胖的早期识别与干预提供有效工具。对Kaggle上公开发布的来自墨西哥、秘鲁和哥伦比亚年龄在16～61岁的2 111位参与者数据进行预处理，采用BorderlineSMOTE算法对不平衡数据进行处理，应用基于随机森林的递归特征消除(RF-RFE)方法进行特征筛选，利用筛选后的特征子集构建基于极端梯度提升(XGBoost)算法的超重和肥胖预测模型，并验证其有效性。XGBoost预测模型在测试集上表现出良好的性能，准确率为0.923 8,F1-measure为0.921 5,Recall为0.904 6,AUC值为0.963 6。基于极端梯度提升算法构建的超重和肥胖预测模型能够高效识别高风险个体，为制定针对性的早期干预策略提供了有力的临床决策支持。
【关键词】 极端梯度提升算法；
超重和肥胖；
机器学习；
Borderline-SMOTE；
风险预测；
- 【文献出处】 电脑知识与技术 ,Computer Knowledge and Technology , 编辑部邮箱 ,2025年35期
- 【分类号】TP181;R589.2
- 【下载频次】35