基于机器学习分类算法的糖尿病辅助诊断研究

李婷 孙媛媛 李雪玲 董慧

摘要：为了辅助医生进行糖尿病的诊断，增加诊断的准确性，探寻最适合用于糖尿病辅助诊断的机器学习分类算法。研究使用随机森林、朴素贝叶斯分类、逻辑回归、BP神经网络以及Adaboost集成算法5类机器学习分类算法进行建模，预测糖尿病的患病风险，同时采用多个评价指标验证模型效果的优劣。结论：五种算法的准确率均高于73%，其中逻辑回归模型和BP神经网络模型准确率最高，达76.6％，但逻辑回归模型的精确率最高且ROC曲线包围面积（AUC） 最大，精确度高，达到82%。综合比较五种算法的评价指标可见，基于逻辑回归算法的模型更适合用于构建糖尿病辅助診断模型。

关键词：机器学习算法；辅助诊断；数据挖掘；糖尿病；风险预测

中图分类号：TP311 文献标识码：A

文章编号：1009-3044（2024）10-0027-03