文献类型：期刊文章

作　　者：崔宇佳[1] 张一迪[1] 王培志[1] 林海静[1] 陆起涌[1,2]

CUI Yujia;ZHANG Yidi;WANG Peizhi;LIN Haijing;LU Qiyong(Department of Electronic Engineering, School of Information Science and Technology, Fudan University, Shanghai 200433, China;Research Center of Smart Networks and Systems, School of Information Science and Technology, Fudan University, Shanghai 200433, China)

机构地区：[1]复旦大学信息科学与工程学院电子工程系,上海200433 [2]复旦大学信息科学与工程学院智慧网络与系统研究中心,上海200433

出　　处：《复旦学报（自然科学版）》

年　　份：2019

卷　　号：58

期　　号：2

起止页码：250-255

语　　种：中文

收录情况：AJ、BDHX、BDHX2017、BIOSISPREVIEWS、CAS、CSCD、CSCD_E2019_2020、JST、MR、RCCSE、RSC、ZGKJHX、ZMATH、ZR、核心刊

摘　　要：基于医疗数据具有高维度、稀疏等特点,本文提出了一种融合多个评价标准的递归特征消除算法.首先,应用过滤型特征评价标准对特征进行初步筛选;然后,采用特征序列方法对多个特征评价标准的结果进行融合;最后,结合递归特征消除搜索方法进行特征选择.在医疗数据集上与使用单一评价标准的特征选择方法进行疾病预测性能对比实验.结果表明:本文所提方法的预测表现优于其他特征选择方法,其预测的AUC值、精确率、召回率、F1值、准确率均有所提升.

关 键 词：特征选择  医疗数据 多评价标准融合  递归特征消除  疾病预测

分 类 号：TP391]