使用遗传算法确定献血者数据库中布尔字段值预测的最佳分类器
机器学习
2018-08-07 v4 机器学习
摘要
动机：得益于数字化，我们常能访问由各类信息字段组成的大型数据库，范围从数值到文本甚至布尔值。此类数据库尤其适合机器学习、分类与大数据分析任务。我们能够在已有数据上训练分类器，并给定其他字段信息时用于预测某一字段的值。具体而言，本研究关注医院汇编的电子健康记录（EHRs）。这些 EHRs 是访问个体患者数据的便利手段，但作为整体处理仍是一项任务。然而，由连贯、良好制表结构组成的 EHRs 十分适合通过分类器应用于机器学习。本研究中，我们考察一个献血服务中心数据集（取自台湾新竹市献血服务中心的数据）。我们使用 python 中的 scikit-learn 机器学习。从支持向量机（SVM）中，我们使用支持向量分类（SVC）；从线性模型中导入感知机。我们还使用了 K.neighborsclassifier 与决策树分类器。此外，我们使用 TPOT 库通过遗传算法寻找优化流水线。使用上述分类器，我们通过 k 折交叉验证对每个分类器进行评分。联系方式：[email protected] GitHub 仓库：https://github.com/ritabratamaiti/Blooddonorprediction
引用
@article{arxiv.1802.07756,
title = {Determining the best classifier for predicting the value of a boolean field on a blood donor database using genetic algorithms},
author = {Ritabrata Maiti},
journal= {arXiv preprint arXiv:1802.07756},
year = {2018}
}
备注
GitHub Repository here: https://github.com/ritabratamaiti/Blooddonorprediction