一种用于增强卒中预测的集成范式：协同 XGBoost 与 xDeepFM 算法
计算机视觉与模式识别
2023-10-26 v1 人工智能
摘要
卒中预测在预防和管理这一使人衰弱的疾病中起着关键作用。在本研究中，我们利用一个综合数据集应对卒中预测的挑战，并提出了一种结合 XGBoost 与 xDeepFM 算法优势的集成模型。我们的工作旨在通过实现更高的准确率和鲁棒性来改进现有的卒中预测模型。通过严格的实验，我们使用 AUC 指标验证了集成模型的有效性。通过将我们的发现与该领域其他模型进行比较，我们获得了关于各种方法的优点与缺点的宝贵见解。这反过来又显著推动了机器学习与深度学习技术在卒中预测领域的进展。
引用
@article{arxiv.2310.16430,
title = {An Integrative Paradigm for Enhanced Stroke Prediction: Synergizing XGBoost and xDeepFM Algorithms},
author = {Weinan Dai and Yifeng Jiang and Chengjie Mou and Chongyu Zhang},
journal= {arXiv preprint arXiv:2310.16430},
year = {2023}
}