基于机器学习的牙科护理提供者分类及特征排序
机器学习
2025-06-06 v1 人工智能
摘要
本研究探讨了使用机器学习 (ML) 模型将牙科提供者分类为两类——标准渲染提供者和安全净 clinics (SNC) 提供者——的应用，该研究基于 2018 年包含 24,300 个实例、20 个特征的数据集。数据集以 38.1% 的高缺失值为特征，包括服务计数（预防、治疗、检查）、交付系统（FFS、管理保健）以及受益人人口统计信息。采用信息增益、Gini 指数和 ANOVA 等特征排序方法来识别关键预测因子，结果显示治疗相关指标（TXMT_USER_CNT、TXMT_SVC_CNT）为排名最高的特征。评估了包括 k 近邻 (kNN)、决策树、支持向量机 (SVM)、随机梯度下降 (SGD)、随机森林、神经网络和梯度提升等 12 个 ML 模型，采用 10 折交叉验证进行评估。测试了由排名派生的增量特征子集。神经网络在使用全部 20 个特征时取得最高准确率 (94.1%)，其后为梯度提升 (93.2%) 和随机森林 (93.0%)。随着特征数量增加，模型表现逐渐提升，SGD 和集成方法在处理缺失数据方面表现稳健。特征排序突显了治疗服务计数和注释代码在区分提供者类型的主要作用，人口统计变量（AGE_GROUP、CALENDAR_YEAR）的影响最小。该研究强调了在不平衡医疗数据集中进行特征选择对提高模型效率和准确性的重要性。这些发现倡导将特征排序技术与先进 ML 算法相结合，以优化牙科提供者分类，实现对资源匮乏人群的精准资源分配。
引用
@article{arxiv.2506.04474,
title = {Classifying Dental Care Providers Through Machine Learning with Features Ranking},
author = {Mohammad Subhi Al-Batah and Mowafaq Salem Alzboon and Muhyeeddin Alqaraleh and Mohammed Hasan Abu-Arqoub and Rashiq Rafiq Marie},
journal= {arXiv preprint arXiv:2506.04474},
year = {2025}
}