非平衡分類(lèi)技術(shù)在人群糖尿病疾病風(fēng)險(xiǎn)預(yù)測(cè)模型中的應(yīng)用
關(guān)鍵詞：風(fēng)險(xiǎn)預(yù)測(cè) 非平衡分類(lèi) 機(jī)器學(xué)習(xí) 流行病
摘要：目的分析比較幾種常用的非平衡分類(lèi)技術(shù)在人群糖尿病疾病風(fēng)險(xiǎn)預(yù)測(cè)模型中的應(yīng)用。方法利用中國(guó)慢性病前瞻性研究浙江省桐鄉(xiāng)市項(xiàng)目點(diǎn)基線調(diào)查數(shù)據(jù)和隨訪數(shù)據(jù),使用機(jī)器學(xué)習(xí)算法建立人群糖尿病發(fā)病風(fēng)險(xiǎn)的預(yù)測(cè)模型,同時(shí)探討欠采樣、過(guò)采樣、SMOTE技術(shù)及替換切點(diǎn)技術(shù)對(duì)分類(lèi)器性能的影響。結(jié)果本研究中神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型的AUC值最高,達(dá)0.7971,經(jīng)最優(yōu)切點(diǎn)的選擇和分類(lèi)后,靈敏度和特異度分別為0.7149和0.7431,模型具有較高的預(yù)測(cè)能力,同時(shí)較好的平衡了靈敏度和特異度的分布。采樣法對(duì)不同分類(lèi)器的AUC值影響不同,一般欠采樣比過(guò)采樣具有更高的AUC值;隨著SMOTE中少數(shù)類(lèi)比例的上升,AUC出現(xiàn)下降的趨勢(shì)。結(jié)論使用神經(jīng)網(wǎng)絡(luò)結(jié)合替換切點(diǎn)技術(shù)建立的人群糖尿病5年發(fā)病風(fēng)險(xiǎn)模型具有較高的預(yù)測(cè)能力,并能夠較好的處理非平衡數(shù)據(jù)的影響。
中國(guó)衛(wèi)生統(tǒng)計(jì)雜志要求:
{1}計(jì)量單位以國(guó)家法定計(jì)量單位為準(zhǔn)；統(tǒng)計(jì)學(xué)符號(hào)按國(guó)家標(biāo)準(zhǔn)《統(tǒng)計(jì)學(xué)名詞及符號(hào)》的規(guī)定書(shū)寫(xiě)。
{2}本刊維護(hù)首發(fā)權(quán)，切勿一稿多投。稿件寄出3個(gè)月內(nèi)未收到用稿通知者，作者可自行處理。來(lái)稿一律不再退還。
{3}文章題名應(yīng)簡(jiǎn)潔、確切、真實(shí)反映文章的主題特色。不超過(guò)20字，避免使用非公知公用的縮略字、代號(hào)等（一般不用副標(biāo)題）。
{4}參考文獻(xiàn)：引文務(wù)必準(zhǔn)確，參考文獻(xiàn)表中列出的應(yīng)限于作者直接閱讀過(guò)的、最主要的、發(fā)表在正式出版物上并且在文章中直接引用的文獻(xiàn)；按GB7714-87的規(guī)定采用順序編碼標(biāo)注制著錄。
{5}通訊作者(第一作者)簡(jiǎn)介：包括姓名、出生年、性別、民族（指少數(shù)民族）、籍貫、職稱（學(xué)位）及研究方向（附Email與電話號(hào)碼）。
注：因版權(quán)方要求，不能公開(kāi)全文，如需全文，請(qǐng)咨詢雜志社
