-
作者
付健李灯熬赵菊敏
-
单位
太原理工大学大数据学院太原理工大学信息与计算机学院
-
摘要
利用K近邻算法预测心衰患者死亡率是一种积极影响患者健康的重要手段。但K近邻算法难以利用单一距离准确度量带有离散和连续型变量的样本距离，同时K近邻所采用的投票法不能衡量距离远近对于待测样本类别的影响。针对上述问题，提出了一种混合加权距离的K近邻死亡率评估模型。首先，利用卡方检测和基于L1正则化的逻辑斯蒂回归对特征的筛选和排序。然后，应用值差度量和曼哈顿距离混合计算样本间的距离。最后，采用softmin函数对距离加权处理后，输出最终待测样本类别。通过MIMIC-Ⅲ公开数据库的2 743位心衰患者数据实验验证，改进的算法对于评估死亡率具有良好性能。
-
关键词
心力衰竭混合加权距离K近邻算法死亡率预测
-
基金项目(Foundation)
国家重大科研仪器研制资助项目(6202780085)；国家自然科学基金资助项目(62076177、61772358)；山西省关键核心技术和共性技术研发专项资助项目(2020XXX007)；
-
文章目录
1 数据介绍
2 混合加权距离K-近邻算法模型
2.1 特征选择和排序
2.1.1 卡方检测
2.1.2 基于L1正则化的逻辑斯蒂回归
2.2 混合加权距离的K-近邻算法
2.2.1 混合距离计算
2.2.2 加权距离计算
3 实验结果及分析
3.1 模型评价标准
3.2 改进的KNN算法对比
3.3 比率R和K值的选值分析
4 结束语
-
引用格式
付健,李灯熬,赵菊敏.基于混合加权距离的KNN心衰患者死亡率评估模型[J].太原理工大学学报,2022,53(05):933-939.DOI:10.16355/j.cnki.issn1007-9432tyut.2022.05.019.
-
相关文章
太原理工大学学报 
2022年第05期 
