19、利用数据挖掘预测住院时长

利用数据挖掘预测住院时长

1. 数据预处理

为了便于后续的建模，对部分属性进行了转换：
- 对“Previous Admissions”和“LOS”变量应用对数变换 y = ln(x + 1) ，以减少偏度并改善变量分布的对称性。
- 将“Admission Hour”变量标准化为仅包含 24 个级别。
- 对具有大量级别的名义属性进行重新编码或标准化，以减少级别数量：
- “Education”从 14 个级别转换为 6 个级别。
- “Main Procedure”从数百个值转换为 16 个级别。
- “Main Diagnosis”从数百个值转换为 19 个级别。
- 根据医学知识，将“Age”数值属性转换为 5 个有序类别：
- A - 低于 15 岁
- B - 15 至 44 岁
- C - 45 至 64 岁
- D - 65 至 84 岁
- E - 85 岁及以上

2. 建模

在建模阶段，测试了六种回归方法，这些方法均在 rminer 包中实现：
1. 平均预测（AP） ：一种简单的模型，预测值为训练集中的平均 LOS，用作比较的基线方法。
2. 多元回归（MR） ：经典的统计模型，由方程 $\hat{y} = \beta_0 + \sum_{i = 1}^{I} \beta_i x_i$ 定义，通常使用普通最小二乘法（OLS）算法调整参数。
3. 决策树（D