机器学习算法在慢性肾病预测中的性能分析
机器学习
2025-10-13 v1 人工智能
摘要
肾脏是人体的滤器。全球约有 10%的人口受慢性肾病(CKD)的影响，这会导致肾功能下降。为保护危在旦夕的患者免受进一步肾损伤，有效评估 CKD 风险和适当的 CKD 监测至关重要。由于机器学习模型具有快速和精确的检测能力，机器学习模型可以帮助实践者高效地完成这一目标；因此，近年来大量诊断系统和过程都依赖于机器学习，因为其疾病预测能力。在本研究中，我们设计并提出了用于 CKD 诊断的疾病预测计算机辅助设计。CKD 数据来自 UCL 的机器学习存储库，数据中存在少量缺失值，这些缺失值使用“均值-模式”和“随机抽样方法”策略进行填充。在成功获得缺失数据后，使用八种机器学习技术(Random Forest、SVM、Naive Bayes、Logistic Regression、KNN、XGBoost、Decision Tree 和 AdaBoost)建立模型，并通过技术手段对结果准确率进行绩效评估比较，以找到具有最高准确率的机器学习模型。在其中，Random Forest 以及 Logistic Regression 显示出卓越的 99% 准确率，随后是 Ada Boost、XGBoost、Naive Bayes、Decision Tree 和 SVM，而 KNN 分类器模型则以 73% 的准确率排名最后。
引用
@article{arxiv.2510.09493,
title = {Performance Analysis of Machine Learning Algorithms in Chronic Kidney Disease Prediction},
author = {Iftekhar Ahmed and Tanzil Ebad Chowdhury and Biggo Bushon Routh and Nafisa Tasmiya and Shadman Sakib and Adil Ahmed Chowdhury},
journal= {arXiv preprint arXiv:2510.09493},
year = {2025}
}
备注
11 pages, 7 figures, Presented at the 2022 IEEE 13th Annual Information Technology, Electronics and Mobile Communication Conference (IEMCON), pp. 0417-0423