基于机器学习算法的糖尿病预测模型研究论文研读笔记

ROC（受试者工作特征曲线）：反映敏感性和特异性这两个连续变量的综合指标。

AUC代表ROC曲线下方面积大小，一般在0.5~之间，越接近1越好。

AUC计算公式：AUC =（1-（FP/(FN+TN)*(FN/(TP+FP))/2））/2

AUC能较好得评估预测值和真实值之间的差异。

常见的预测方法如下：

1. 回归预测法（适合中长期的预测，需大量的样本）；

2. 时间序列预测法（适合短期预测）；

3. 灰色系统预测法（属于时间序列预测法的一种，适用于样本量较少、信息不全的样本）；

4. markov预测法（适合于慢性疾病的预测）；

5.神经网络预测法（一种多元线性模型，有很强的包容性，但容易陷入局部极小点）。

人工神经网络特点：

1. 自学习能力；

2. 联想存储能力;

3. 高速寻找优化解的能力。

SVM（处理样本集不均衡的情况时的效果不好）的核函数有如下四种：

1. 线性核函数（LK）；

2. 多项式核函数（PK）;

3. 径向基核函数（RBF）;

4. Sigmoid核函数。

解决不均衡数据问题的三种办法：

1. 改变数据的分布；

2. 构思新的分类方法;

3. 确定新分类器的评比标准。

强弱学习期器之间可以互相转化。

AIC（赤池信息量准则）：一种评价统计模型拟合程度的标准。

AIC =（2K-2L）/ N          K: 模型中参数的个数；L: 对数似然值。

似然值越大代表模型准确度越高，参数个数越小，代表模型简单。

似然值越大，AIC越小;参数个数少，AIC越小。

逐步回归算法分为前向和后向。

将样本集分为70%训练集（用于训练样本）、20%测试集（检验预测效果）、10%独立样本集（用来独立地检验几种模型在样本上的预测情况，更加能体现模型的泛化能力）。

处理不平衡数据集在支持向量中机中方法问题：

1. 加入样本权重比作为参数；

2. 为少数和多数类分开定惩罚因子，再考虑类别中调整模型；

3. 通过在高维空间改变分类超平面的位置来改进。