Stacking算法在醫療健康數據中的應用研究

摘 要：文章分析了基于Stacking的算法框架，提出了一種基于Stacking的集成學習算法，在兩種疾病數據集上，實驗結果表明，該方法性能良好。

關鍵詞：集成學習;隨機森林;堆棧

1 ? ?分類挖掘技術在疾病輔助診斷上的應用

近年來，越來越多的學者將分類挖掘技術應用于疾病的輔助診斷上，如劉文博等[1]提出了一種迭代隨機森林算法，對糖尿病數據進行預測。金強等[2]提出，應用改進的BP神經網絡算法，提高乳腺癌診斷準確率。本文提出了一種基于堆棧的集成學習算法，應用于肝臟疾病和皮膚疾病數據的分類預測，為臨床診斷、個人健康提供有效的決策依據與幫助。

2 ? ?基于Stacking的集成學習算法

Stacking通常是一個兩層結構：0層和1層。0層在底層，選擇訓練多個不同類型的基礎分類器生成元級數據;1層應用元級數據訓練形成元分類器。元數據通過K折交叉驗證的過程生成，由基礎分類器對輸入實例的預測結果和實例的真實類標號組成。其中，基礎分類器的輸出有兩種方式：類標號、類概率分布。研究證明，基于類概率分布的Stacking算法性能比較好。學者們提出了許多基于類概率分布的Stacking算法，如Stacking-MLR等[3]和Stacking-MDT等[4]。本文選擇基礎分類器輸出的類概率分布作為元數據的組成部分，并選擇Randomforest（RF）作為元分類器，構建集成算法Stacking-RF。

3 ? ?數據集與評價準則

實驗在兩個公共數據集上進行，包括肝臟疾病數據集（Hepatitis）和皮膚疾病數據集（Dermatology）。兩個實驗數據集信息如表1所示。

實驗采用準確率衡量集成算法的性能。準確率表示正確分類實例數與全體實例數的比值。

4 ? ?實驗與分析

實驗選擇的3個基礎分類器：NaiveBasye（NB），SimpleLogistic（SL）和J48，元分類器為Randomforest（RF），實驗數據如表2所示。

從表2可以看出，本文提出的集成算法Stacking-RF在準確率性能指標上，均優于3個個體分類器NaiveBasye，SimpleLogistic和J48。如在Hepatitis，Stacking-RF優于準確率最高的個體分類器SimpleLogistic 0.8%。同樣，在數據集Dermatology，Stacking-RF均優于3個個體分類器。因此，本文提出的集成算法Stacking-RF在兩種疾病數據集上表現了良好的性能。

5 ? ?結語

首先，本文詳細分析了基于Stacking的算法框架;其次，提出了一種基于Stacking的集成學習算法;最后，在兩種疾病數據集上進行實驗，結果表明，本文提出的集成算法性能表現良好。

[參考文獻]

[1]劉文博，梁盛楠，秦喜文，等.基于迭代隨機森林算法的糖尿病預測[J].長春工業大學學報，2019（6）：604-611

[2]金強，高普中.人工神經網絡在乳腺癌診斷中的應用[J].中國普外基礎與臨床雜志，2019（5）：625-630.

[3]TING K M，WITTEN I H.Issues in stacked generalization[J].Journal of Artificial Intelligence Research，1999（10）：271-289.

[4]TODOROVSKI L，DZEROSKI S.Combining multiple models with meta decision trees[C].Paris：4th European Conference on Principles of Data Mining and Knowledge Discovery，2000.

[6]袁梅宇.數據挖掘與機器學習-WEKA應用技術與實踐[M].北京：清華大學出版社，2010.

作者簡介：丁偉民（1979— ），男，漢族，山東濰坊人，講師，碩士;研究方向：計算機應用技術。