基于醫(yī)療數(shù)據(jù)具有高維度、稀疏等特點,本文提出了一種融合多個評價標(biāo)準(zhǔn)的遞歸特征消除算法.首先,應(yīng)用過濾型特征評價標(biāo)準(zhǔn)對特征進(jìn)行初步篩選;然后,采用特征序列方法對多個特征評價標(biāo)準(zhǔn)的結(jié)果進(jìn)行融合;最后,結(jié)合遞歸特征消除搜索方法進(jìn)行特征選擇.在醫(yī)療數(shù)據(jù)集上與使用單一評價標(biāo)準(zhǔn)的特征選擇方法進(jìn)行疾病預(yù)測性能對比實驗.結(jié)果表明:本文所提方法的預(yù)測表現(xiàn)優(yōu)于其他特征選擇方法,其預(yù)測的AUC值、精確率、召回率、F1值、準(zhǔn)確率均有所提升. 

【文章來源】：復(fù)旦學(xué)報(自然科學(xué)版). 2019,58(02)北大核心CSCD

【文章頁數(shù)】：7 頁

【部分圖文】：

圖１基于特征序列的多評價標(biāo)準(zhǔn)融合方法Ｆｉｇ．１Ｆｅａｔｕｒｅｒａｎｋｉｎｇ－ｂａｓｅｄｍｕｌｔｉ－ｃｒｉｔｅｒｉｏｎｆｕｓｉｏｎ

圖３ＬＲ分類器中５種算法ＡＵＣ值對比Ｆｉｇ．３ＡＵＣｃｏｍｐａｒｉｓｏｎｓａｍｏｎｇ５ａｌｇｏｒｉｔｈｍｓｕｓｉｎｇＬＲｃｌａｓｓｉｆｉｃａｔｉｏｎ圖４ＳＶＭ分類器中５種算法ＡＵＣ值對比Ｆｉｇ．４ＡＵＣｃｏｍｐａｒｉｓｏｎｓａｍｏｎｇ５ａｌｇｏｒｉｔｈｍｓｕｓｉｎｇＳＶＭｃｌａｓｓｉｆｉｃａｔｉｏｎ通過圖３、圖４可以發(fā)現(xiàn)，ＭＣＦ－ＲＦＥ方法在２個分類器中表現(xiàn)均優(yōu)于其他４種方法，其中ＳＶＭ－ＲＦＥ方法表現(xiàn)優(yōu)于ＡＷ－ＳＶＭ方法．例如，在ＬＲ分類器中（圖３），當(dāng)選擇５０個特征時，ＭＣＦ－ＲＦＥ方法得到的ＡＵＣ值為０．８８４，ＡＷ－ＤＴ方法的ＡＵＣ值為０．８５２，ＳＶＭ－ＲＦＥ方法的ＡＵＣ值為０．８２２，ＡＷ－ＳＶＭ方法的ＡＵＣ值為０．７４７，ＡＷ－ＬＲ方法的ＡＵＣ值為０．７０８．隨著特征數(shù)增加，本文選擇集成的ＡＷ－ＳＶＭ、ＡＷ－ＤＴ、ＡＷ－ＬＲ３種評價標(biāo)準(zhǔn)的預(yù)測結(jié)果具有互補性，并且逐漸趨向穩(wěn)定．由于以上特征選擇方法是在卡方檢驗篩選出的５００個特征的基礎(chǔ)上再次進(jìn)行篩選，因此隨著特征數(shù)增加，各特征選擇方法篩出的特征子集包含越來越多的共同特征，使得各方法的ＡＵＣ值差距逐漸減�。恚保捣N特征選擇方法的預(yù)測表現(xiàn)Ｔａｂ．１Ｔｈｅｐｒｅｄｉｃｔｉｏｎｐｅｒｆｏｒｍａｎｃｅｏｆ５ｆｅａｔｕｒｅｓｅｌｅｃｔｉｏｎａｌｇｏｒｉｔｈｍｓ分類器特征選擇方法ＰＲＦ１ＡＬＲＡＷ－ＬＲ０．７８０．５００．６１０．７０ＬＲＡＷ－ＳＶＭ０．７４０．７３０．７３０．７５ＬＲＡ

圖３ＬＲ分類器中５種算法ＡＵＣ值對比Ｆｉｇ．３ＡＵＣｃｏｍｐａｒｉｓｏｎｓａｍｏｎｇ５ａｌｇｏｒｉｔｈｍｓｕｓｉｎｇＬＲｃｌａｓｓｉｆｉｃａｔｉｏｎ圖４ＳＶＭ分類器中５種算法ＡＵＣ值對比Ｆｉｇ．４ＡＵＣｃｏｍｐａｒｉｓｏｎｓａｍｏｎｇ５ａｌｇｏｒｉｔｈｍｓｕｓｉｎｇＳＶＭｃｌａｓｓｉｆｉｃａｔｉｏｎ通過圖３、圖４可以發(fā)現(xiàn)，ＭＣＦ－ＲＦＥ方法在２個分類器中表現(xiàn)均優(yōu)于其他４種方法，其中ＳＶＭ－ＲＦＥ方法表現(xiàn)優(yōu)于ＡＷ－ＳＶＭ方法．例如，在ＬＲ分類器中（圖３），當(dāng)選擇５０個特征時，ＭＣＦ－ＲＦＥ方法得到的ＡＵＣ值為０．８８４，ＡＷ－ＤＴ方法的ＡＵＣ值為０．８５２，ＳＶＭ－ＲＦＥ方法的ＡＵＣ值為０．８２２，ＡＷ－ＳＶＭ方法的ＡＵＣ值為０．７４７，ＡＷ－ＬＲ方法的ＡＵＣ值為０．７０８．隨著特征數(shù)增加，本文選擇集成的ＡＷ－ＳＶＭ、ＡＷ－ＤＴ、ＡＷ－ＬＲ３種評價標(biāo)準(zhǔn)的預(yù)測結(jié)果具有互補性，并且逐漸趨向穩(wěn)定．由于以上特征選擇方法是在卡方檢驗篩選出的５００個特征的基礎(chǔ)上再次進(jìn)行篩選，因此隨著特征數(shù)增加，各特征選擇方法篩出的特征子集包含越來越多的共同特征，使得各方法的ＡＵＣ值差距逐漸減�。恚保捣N特征選擇方法的預(yù)測表現(xiàn)Ｔａｂ．１Ｔｈｅｐｒｅｄｉｃｔｉｏｎｐｅｒｆｏｒｍａｎｃｅｏｆ５ｆｅａｔｕｒｅｓｅｌｅｃｔｉｏｎａｌｇｏｒｉｔｈｍｓ分類器特征選擇方法ＰＲＦ１ＡＬＲＡＷ－ＬＲ０．７８０．５００．６１０．７０ＬＲＡＷ－ＳＶＭ０．７４０．７３０．７３０．７５ＬＲＡ

【參考文獻(xiàn)】：
期刊論文
[1]狼瘡性腎炎發(fā)病機(jī)理的研究進(jìn)展[J]. 聶英坤,張鳳山,孫鳳琴.  中國免疫學(xué)雜志. 2003(11)



本文編號：3292278