25、多疾病风险预测建模与移动边缘计算平台服务性能测试

多疾病风险预测建模与移动边缘计算平台服务性能测试

多疾病风险预测建模

在多疾病风险预测建模领域，提出了一种创新的框架，该框架将有向疾病网络与推荐系统技术相结合，用于多疾病风险预测建模。

首先，涉及到两个重要的计算公式。列表准确率（ListAccuracy(i)）的计算公式为：
[
ListAccuracy(i) = \sum_{k=1}^{Q} List_{k}^{(i)} \cdot ListWeight_{k}
]
其中，$List_{k}^{(i)}$ 表示推荐列表中第 $k$ 个位置的值，$ListWeight_{k}$ 表示推荐列表中第 $k$ 个位置的权重。所有测试样本的平均准确率得分（MeanAccuracy）的计算公式为：
[
MeanAccuracy = \frac{1}{N} \sum_{i=1}^{N} ListAccuracy(i)
]
这里的 $N$ 是测试样本的大小。

为了验证该框架的适用性，使用了来自中国北京一家医院的数据集。该数据集包含 50499 名患者的医疗记录，总共涵盖 66901 次就诊。由于目标是预测患者下次就诊可能患的疾病，所以只就诊一次的患者被从数据集中移除，最终用于研究的数据集包含 7989 名患者的 24391 次就诊记录。

采用 10 折交叉验证来比较不同方法的整体准确性。设定 $Q = 10$，即只将得分列表中的前 10 种疾病推荐给医学专家。以下是两种方法的性能对比表格：
| 方法 | 平均准确率得分(%) | 1 分比例(%) |
| — | — | — |
| 方法 1：疾病时间链接 | 88