基于Spark的决策树优化算法在脑卒中发病率预测的应用

文档名：基于Spark的决策树优化算法在脑卒中发病率预测的应用
在大数据时代,医疗数据量达到TB级以上,传统的存储技术和数据挖掘,已经不能适应以成因分析、关联分析、快速查询、及时反馈、决策支持为目的智能医疗预警要求.运用大数据的理论、机制、模型和方法,采用统计学、机器学习等方法得出可靠性较高、实时性强的脑卒中发病预警信息,是今后发展的必然趋势.由于气象条件与脑卒中发病率密切相关,提出在Spark平台上基于决策树优化算法的分布式脑卒中发病率预测模型:DSIP-GBTs(DistributedStrokeIncidencePredictionwithGradientBoostedTrees)、DSIP-RF(DistributedStrokeIncidencePredictionwithRandomForest),采用交叉验证的方法对参数进行调校评估,降低模型预测结果的均方根误差;运用分布式情况下快速特征选择,提高模型训练效率.对比发现,基于梯度优化决策树的DSIP-GBTs模型,符合大数据背景下的各项要求.
作者：宋晶 漆潇
作者单位：陆军军医大学第二附属医院神经内科,重庆400037陆军军医大学第二附属医院康复理疗科,重庆400037
母体文献：2019年西南三省一市自动化与仪器仪表学术年会论文集
会议名称：2019年西南三省一市自动化与仪器仪表学术年会  
会议时间：2019年10月1日
会议地点：四川绵阳
主办单位：中国自动化学会,中国仪器仪表学会
语种：chi
分类号：
关键词：脑卒中  发病率  预测模型  决策树优化算法
在线出版日期：2020年8月24日
基金项目：
相似文献
相关博文

2024-12-10 13:34 上传 基于Spark的决策树优化算法在脑卒中发病率预测的应用.pdf

文件大小:

1.7 MB

下载次数:

60

高速下载