Bagging算法驱动的心血管疾病预测模型及智能床垫应用  

作　　者：李长云 赵永晗 王志兵 莫启辉 徐曦 

机构地区：[1]湖南工业大学计算机学院,湖南株洲412007 [2]智能信息感知及处理技术湖南省重点实验室,湖南株洲412082

出　　处：《企业科技与发展》2024年第11期20-23,共4页Sci-Tech & Development of Enterprise

摘　　要：目前,机器学习在疾病预测领域的应用日益广泛。文章介绍了SVM(支持向量机)、CART(分类与回归树)决策树、KNN(K近邻)3种机器学习算法,并将这3种算法构建的模型应用于心血管疾病(CVD)的预测中。结果表明,SVM模型表现最优。此外,为进一步提高模型的性能和鲁棒性,在这3个基模型中均融合了Bagging算法。研究结果显示,3个模型的性能均得到了不同程度的提升,其中CART决策树模型的性能提升最为显著,但SVM模型仍然保持最佳表现。利用机器学习技术对CVD进行有效预测的方法可应用于智能床垫上,通过监测和分析用户的生理数据,智能化地评估心血管疾病风险,为实现便捷的智能健康管理提供了一种有效途径,对CVD的预防和诊断具有重要价值。

关 键 词：BAGGING算法 疾病预测模型 机器学习 心血管疾病 智能床垫 

分 类 号：TP391[自动化与计算机技术—计算机应用技术]