数字技术与应用杂志社

摘要：<正>本文结合Kaggle糖尿病数据集，利用机器学习算法对糖尿病及其危险因素进行模型训练并验证,预测糖尿病概率并挖掘糖尿病重要致病因子，同时将逻辑回归（Logistic Regression）、决策树（Decision Tree）、支持向量机（SVM）、随机森林（Random Forest）、K近邻（K-Nearest Neighbor,KNN）和梯度提升树(Gradient Boosting Tree,GBT)等方法进行性能差异比较，确定最优模型，进一步帮助临床医护人员早期识别糖尿病高危人群并制订针对性干预措施。

基金资助： 2022甘肃医学院一流课程“医学计算机应用基础”（GYJG2022H0006）；

专辑： 信息科技;医药卫生科技

专题： 内分泌腺及全身性疾病;自动化技术

分类号： TP181;R587.1