融合LightGBM与SHAP的糖尿病预测及其特征分析方法

• 全文链接
• 请求原文

作   者：

王鑫;  廖彬;  李敏;  孙瑞娜; 

作者机构：

新疆财经大学统计与数据科学学院; 

关键词：

LightGBM模型;  糖尿病预测;  特征分析;  SHAP模型; 

期刊名称：

小型微型计算机系统

i s s n：

1000-1220

年卷期：

2022 年 43 卷 009 期

页   码：

1877-1885

摘   要：

人工智能在辅助医疗诊断方面得到广泛关注,对糖尿病预测的相关研究是近年来关注的一个热点问题.以皮马印第安人糖尿病数据集为研究对象,首先,对原始数据进行缺失值填充、异常值分析、标准化处理等工作的基础上,将预处理后的数据作为LightGBM训练模型的输入;其次,与已有工作中基于SVM、随机森林、决策树以及Xgboost等多种机器学习模型进行实验对比,结果表明本文模型在准确率、精确率、召回率、F1值、AUC值5项性能指标上均明显优于对比模型;最后,引入SHAP模型增强模型的可解释性,同时综合比较了LightGBM和Xgboost的特征重要性排序结果,识别出了影响糖尿病的主要因素,为糖尿病的疾病诊断提供决策参考.