基于特征优化的改进集成机器学习模型用于糖尿病早期预测
机器学习
2025-12-10 v2
摘要
糖尿病是全球范围内的严重健康问题，成功的干预依赖于早期检测。然而，重叠的风险因素和数据不对称性使得预测困难。为使用广泛的健康调查数据创建既准确又具可解释性的糖尿病分类机器学习框架，以辅助临床决策。我们采用BRFSS数据集评估了多种监督学习技术。使用SMOTE和Tomek链方法纠正类别不平衡。为提升预测性能，研究了单个模型和堆叠等集成技术。该研究采用包含约253,680条记录和22个数值特征的2015年BRFSS数据集。个体模型（随机森林、XGBoost、CatBoost和LightGBM）的ROC-AUC性能约为0.96。堆叠集成（XGBoost和KNN）获得了最佳整体结果，准确率为94.82%，ROC-AUC为0.989，PR-AUC为0.991，显示出良好的召回率和精确率之间的平衡。我们提出并开发了一个基于React Native的应用程序，采用Python Flask后端支持糖尿病早期预测，为用户提供了一个易于访问且高效的健康监测工具。
引用
@article{arxiv.2512.02023,
title = {An Improved Ensemble-Based Machine Learning Model with Feature Optimization for Early Diabetes Prediction},
author = {Md. Najmul Islam and Md. Miner Hossain Rimon and Shah Sadek-E-Akbor Shamim and Zarif Mohaimen Fahad and Md. Jehadul Islam Mony and Md. Jalal Uddin Chowdhury},
journal= {arXiv preprint arXiv:2512.02023},
year = {2025}
}
备注
Accepted for presentation at the 7th International Conference on Trends in Computational and Cognitive Engineering (TCCE-2025), 12-13 November 2025. This manuscript contains 10 pages and 7 figures