AutoML 在心血管疾病检测中有效性的研究
机器学习
2023-08-22 v1
摘要
心血管疾病在慢性非传染性疾病患者中十分普遍，并且是导致死亡的主要原因之一，包括在工作年龄人群中。本文阐述了开发和应用以患者为中心系统的重要性，其中机器学习（ML）是一项有望预测心血管疾病的技术。自动化机器学习（AutoML）能够简化并加速 AI/ML 应用的开发过程，这对于应用用户（尤其是医学专家）开发以患者为中心的系统至关重要。作者提出了一种自动机器学习应用框架及三种场景，将来自 UCI 机器学习仓库的五个心血管疾病指标数据集进行合并，以研究该类疾病检测的有效性。本研究考察了一种 AutoML 模型，其使用并优化了十三个基础 ML 模型（KNeighborsUnif、KNeighborsDist、LightGBMXT、LightGBM、RandomForestGini、RandomForestEntr、CatBoost、ExtraTreesGini、ExtraTreesEntr、NeuralNetFastA、XGBoost、NeuralNetTorch、LightGBMLarge）的超参数，并将最准确的模型纳入加权集成。研究结果表明，用于心血管疾病检测的 AutoML 模型结构不仅取决于所使用基础模型的效率与准确性，还取决于初始数据的预处理场景，特别是数据归一化技术。对比分析显示，AutoML 模型检测心血管疾病的准确率在 87.41% 至 92.3% 之间变化，将源数据归一化为二值值时取得最高准确率，而使用内置 AutoML 技术时取得最低准确率。
引用
@article{arxiv.2308.09947,
title = {Study on the effectiveness of AutoML in detecting cardiovascular disease},
author = {T. V. Afanasieva and A. P. Kuzlyakin and A. V. Komolov},
journal= {arXiv preprint arXiv:2308.09947},
year = {2023}
}
备注
12 pages