學位論文

Browse

Now showing 1 - 1 of 1

用特徵選擇和數據平衡對高維且分佈不均的二元資料做類別預測
(2022) 蘇立鴻; Su, Li-Hung
近年來，機器學習 (ML) 在資料探勘和預測方面逐漸流行；與傳統的統計訓練相比，ML 有名的是在預測或分類數據方面的高準確度，但仍然存在一些限制。首先是如果資料的分布高度不平均，ML 算法會遇到準確度悖論，意思是說它只會對多數類別進行預測，我們使用採樣方法來解決這個問題。其次是面對高維資料時的計算時間，我們使用特徵選擇方法來解決這個問題。在前面的資料預處理之後，我們考慮四種 ML 算法：邏輯迴歸、K-近鄰 (KNN) 、隨機森林 (RF) 和極限梯度提升 (XGBoost) 來比較模型的性能。我們通過具有 687 個變數和 40041 個觀察值的醫療數據集急性腎損傷 (AKI) 演示了上述過程。主要結果是他們是否在 AKI 上復發。結果表明，XGBoost 在接受者操作特徵曲線下的面積 (AUC-ROC) 方面具有最佳性能。對於醫療數據集，鈉、速尿、芬太尼、布美他尼、多巴胺、胰島素、白蛋白、甘油和腎上腺素是最具影響力的藥物，CCS1581 是影響最大的疾病。