您当前所在位置: 首页 > 首发论文
动态公开评议须知

1. 评议人本着自愿的原则,秉持科学严谨的态度,从论文的科学性、创新性、表述性等方面给予客观公正的学术评价,亦可对研究提出改进方案或下一步发展的建议。

2. 论文若有勘误表、修改稿等更新的版本,建议评议人针对最新版本的论文进行同行评议。

3. 每位评议人对每篇论文有且仅有一次评议机会,评议结果将完全公示于网站上,一旦发布,不可更改、不可撤回,因此,在给予评议时请慎重考虑,认真对待,准确表述。

4. 同行评议仅限于学术范围内的合理讨论,评议人需承诺此次评议不存在利益往来、同行竞争、学术偏见等行为,不可进行任何人身攻击或恶意评价,一旦发现有不当评议的行为,评议结果将被撤销,并收回评审人的权限,此外,本站将保留追究责任的权利。

5. 论文所展示的星级为综合评定结果,是根据多位评议人的同行评议结果进行综合计算而得出的。

勘误表

上传勘误表说明

  • 1. 请按本站示例的“勘误表格式”要求,在文本框中编写勘误表;
  • 2. 本站只保留一版勘误表,每重新上传一次,即会覆盖之前的版本;
  • 3. 本站只针对原稿进行勘误,修改稿发布后,不可对原稿及修改稿再作勘误。

示例:

勘误表

上传勘误表说明

  • 1. 请按本站示例的“勘误表格式”要求,在文本框中编写勘误表;
  • 2. 本站只保留一版勘误表,每重新上传一次,即会覆盖之前的版本;
  • 3. 本站只针对原稿进行勘误,修改稿发布后,不可对原稿及修改稿再作勘误。

示例:

上传后印本

( 请提交PDF文档 )

* 后印本是指作者提交给期刊的预印本,经过同行评议和期刊的编辑后发表在正式期刊上的论文版本。作者自愿上传,上传前请查询出版商所允许的延缓公示的政策,若因此产生纠纷,本站概不负责。

发邮件给 王小芳 *

收件人:

收件人邮箱:

发件人邮箱:

发送内容:

0/300

论文收录信息

论文编号 201902-69
论文题目 FA-XGBoost模型与精准医疗预测
文献类型
收录
期刊

上传封面

期刊名称(中文)

期刊名称(英文)

年, 卷(

上传封面

书名(中文)

书名(英文)

出版地

出版社

出版年

上传封面

书名(中文)

书名(英文)

出版地

出版社

出版年

上传封面

编者.论文集名称(中文) [c].

出版地 出版社 出版年-

编者.论文集名称(英文) [c].

出版地出版社 出版年-

上传封面

期刊名称(中文)

期刊名称(英文)

日期--

在线地址http://

上传封面

文题(中文)

文题(英文)

出版地

出版社,出版日期--

上传封面

文题(中文)

文题(英文)

出版地

出版社,出版日期--

英文作者写法:

中外文作者均姓前名后,姓大写,名的第一个字母大写,姓全称写出,名可只写第一个字母,其后不加实心圆点“.”,

作者之间用逗号“,”分隔,最后为实心圆点“.”,

示例1:原姓名写法:Albert Einstein,编入参考文献时写法:Einstein A.

示例2:原姓名写法:李时珍;编入参考文献时写法:LI S Z.

示例3:YELLAND R L,JONES S C,EASTON K S,et al.

上传修改稿说明:

1.修改稿的作者顺序及单位须与原文一致;

2.修改稿上传成功后,请勿上传相同内容的论文;

3.修改稿中必须要有相应的修改标记,如高亮修改内容,添加文字说明等,否则将作退稿处理。

4.请选择DOC或Latex中的一种文件格式上传。

上传doc论文   请上传模板编辑的DOC文件

上传latex论文

* 上传模板导出的pdf论文文件(须含页眉)

* 上传模板编辑的tex文件

回复成功!


  • 0

FA-XGBoost model and precision medical prediction

首发时间:2019-02-25

GONG Yicheng 1   

GONG Yicheng,Female, Associate Professor, Research Field: Economic Statistics, Game Theory and Mechanism Design, Risk Analysis

YU Li 2   

余力(1994年出生),男,在读硕士研究生,主要研究方向:机器学习

ZHANG Yanna 2   

张艳娜(1992年出生),女,在读硕士研究生,主要研究方向:博弈机器学习

  • 1、Hubei Province Key Laboratory of Systems Science in Metallurgical Process, Wuhan University of Science and Technology, Wuhan 430065
  • 2、Department of Mathematics and Statistics, Science College, Wuhan University of Science and Technology ,Wuhan 430065

Abstract:To predict scientifically and effectively on the increasing scale and dimension data with lack of some feature values, this paper proposes an XGBoost coupled with factor analysis model (FA-XGBoost), where factor analysis (FA) is used to reduce dimension of feature variables and then an XGBoost model is trained by using the data after FA. To test the model\'s effect, this paper analyzes some medical data, which are provided by the Tianchi Precision Medical Contest. The mean-square error (MSE) and the running time (t) are respectively 1.3800 and 1.3771 seconds for FA-XGBoost. Finally, we compared the FA-XGBoost model with four models based on decision trees. In general, GBDT and FA-XGBoost performed best on MSE, while FA-XGBoost worked best on running time.

keywords: Statistics XGBoost factor analysis blood glucose prediction diabete

点击查看论文中文信息

FA-XGBoost模型与精准医疗预测

龚谊承 1   

GONG Yicheng,Female, Associate Professor, Research Field: Economic Statistics, Game Theory and Mechanism Design, Risk Analysis

余力 2   

余力(1994年出生),男,在读硕士研究生,主要研究方向:机器学习

张艳娜 2   

张艳娜(1992年出生),女,在读硕士研究生,主要研究方向:博弈机器学习

  • 1、武汉科技大学冶金工业过程系统科学湖北省重点实验室,湖北 武汉,430065
  • 2、武汉科技大学理学院,武汉 430065

摘要:为了在数据量和维度日益增长且数据存在缺失值的情况下科学有效地进行预测,本文提出了XGBoost耦合因子分析模型(FA-XGBoost),其中因子分析(FA)用于减少特征变量的维度,然后用因子分析降维后的数据训练XGBoost模型。为了验证模型的效果,本文分析了天池精准医疗大赛提供的一些医学数据。FA-XGBoost的均方误差(MSE)和运行时间(t)分别为1.3800和1.3771秒。最后,我们将FA-XGBoost模型与基于决策树的四个模型进行了比较。总体上,GBDT和FA-XGBoost在MSE上表现最佳,而FA-XGBoost在运行时表现最佳。

关键词: 统计学 XGBoost 因子分析 血糖预测 糖尿病

点击收起

基金:

论文图表:

引用

导出参考文献

.txt .ris .doc
GONG Yicheng,YU Li,ZHANG Yanna. FA-XGBoost model and precision medical prediction[EB/OL]. Beijing:Sciencepaper Online[2019-02-25]. http://www.paper.edu.cn/releasepaper/content/201902-69.

No.****

动态公开评议

共计0人参与

动态评论进行中

评论

全部评论

0/1000

勘误表

FA-XGBoost模型与精准医疗预测