基于预测分析的儿童与青少年功能、残疾与健康分类：ICF-CY自我照护（SCADI数据集）
计算机与社会
2019-08-22 v3 机器学习
机器学习
摘要
国际儿童与青少年功能、残疾与健康分类（ICF-CY）是用于指定和系统化功能与残疾数据的框架。它为福祉与疾病的界定和范围提供了标准语义与理论基础。ICF-CY的多维结构包含约1400个类别的大量信息，难以分析。我们的研究提出了一种基于ICF-CY在自我照护活动数据集（Self-Care Activities Dataset）上对自我照护问题进行分类的预测模型。本研究使用的数据包含70名运动与身体残疾儿童的206个属性。我们的研究实现、比较并分析了随机森林（Random Forest）、支持向量机（Support vector machine）、朴素贝叶斯（Naive Bayes）、Hoeffding树（Hoeffding tree）和惰性局部加权学习（Lazy locally weighted learning），采用双尾T检验，置信区间95%。研究中使用的Boruta算法降低了数据维度，以推荐最小最优预测变量集。随机森林给出了84.75%的最佳分类准确率、0.18的均方根误差和0.99的受试者工作特征。预测分析可通过自动化残疾、功能与健康的分类过程来简化ICF-CY的使用。
引用
@article{arxiv.1901.00756,
title = {Classification of Functioning, Disability, and Health for Children and Youth: ICF-CY Self Care (SCADI Dataset) Using Predictive Analytics},
author = {Avishek Choudhury and Christopher Greene},
journal= {arXiv preprint arXiv:1901.00756},
year = {2019}
}
备注
In: Proceedings of the 2019 IISE Annual Conference. Edited by Romeijn. HE, Schaefer. A, Thomas. R. Orlando: IISE; 2019