基于机器学习的糖尿病风险预测模型与实证研究

从机器学习算法出发，采用十折交叉验证和Grid Search网格搜索方法优化超参数.以Pima印第安人糖尿病数据集为研究对象，运用描述性统计、四分差法、特征重要性分析等方法处理数据集，分别使用逻辑回归、支持向量机(SVM)、Boosting、Bagging、Stacking集成学习方法构建糖尿病风险预测模型，并比较各个集成模型的评估指标.为验证模型在其他数据集上的有效性，运用浙江某医院体检数据集进行验证，从而评价各模型的预测效果.结果发现：Stacking集成模型在Pima印第安人数据集上的预测准确率最高，达83.74%,精确度也最好，达80.0%;Stacking集成模型同样适用于体检数据集，其准确率最高，达93.83%.可见，基于Stacking集成学习方法构建的预测模型的准确度更高、适用性较好.