80、用于糖尿病预测的稳健机器学习框架

用于糖尿病预测的稳健机器学习框架

1. 引言

糖尿病是一种以高血糖为特征的代谢紊乱疾病，主要是由于身体分泌和响应胰岛素的能力不足所致。它有多种表现形式，如糖尿病前期、I 型和 II 型显性糖尿病，以及妊娠期糖尿病。糖尿病会对眼睛、肾脏、神经、心脏和血管等重要器官造成长期损害，对孕妇和胎儿也有生命威胁。预计到 2045 年，全球约 48%的人口将患有糖尿病。

目前，临床检测糖尿病的方法是通过空腹血糖水平或口服葡萄糖耐量试验，但不同种族的血糖阈值可能不同，这给临床诊断带来了挑战。近年来，机器学习在糖尿病研究中得到了广泛应用，帮助医生做出快速准确的诊断决策，同时人们也可以进行个性化的糖尿病评估。

1.1 现有研究

近期关于糖尿病预测的研究主要集中在数据准备和分类两个方面。在数据准备方面，特征选择、异常值剔除和缺失值替换等方法可以提高预测的准确性。在分类方面，随机森林（RF）模型在糖尿病研究中的性能逐渐提高，但仍有改进空间。

1.2 本文贡献

• 结合 Spearman 相关性（SC）方法和多项式回归（PR）模型进行数据准备，SC 用于选择重要特征，PR 用于缺失值插补。
• 识别 RF 分类器的核心超参数，并使用网格搜索和重复分层 k 折交叉验证进行调优，以构建适用于预测问题的稳健随机森林模型。
• 重新标记 PIMA 印第安人数据集的目标值，以实现糖尿病前期的预测，从而进行更全面的临床诊断。

2. 算法

2.1 Spearman 秩相关

Spearman 相关性（SC）是一种基于秩的非参