文献类型：期刊文章

作　　者：刘宇[1] 乔木[2]

LIU Yu;QIAO Mu(Nanjing FiberHome World Communication Technology Co. Ltd., Nanjing 210019, China;Wuhan Research Institute of Posts and Telecommunications, Wuhan 430074, China)

机构地区：[1]南京烽火天地通信科技有限公司,南京210019 [2]武汉邮电科学研究院,武汉430074

出　　处：《计算机系统应用》

年　　份：2019

卷　　号：28

期　　号：1

起止页码：228-232

语　　种：中文

收录情况：CSA、IC、ZGKJHX、普通刊

摘　　要：过去十几年来,心脏病发病率在全球一直呈上升趋势且居高不下.所以,如果可以通过计算机手段提取人体相关的体检指标,且通过机器学习的方式来分析不同特征及其权值对于心脏病的影响,对于预测和预防心脏病将起到很关键的作用.因此本文提出一个基于聚类和XGboost算法的预测方法.通过对数据的预处理,区分特征,再通过聚类算法如K-means对数据集聚类分块.最后用XGboost算法进行预测分析.实验结果表明,所提出的基于聚类和XGboost算法的预测方法的可行性和有效性,为就医推荐等应用提供了精准有效的帮助.

关 键 词：心脏病预测  聚类 机器学习  K-MEANS XGboost  

分 类 号：TP181] R541]