基于提升决策树算法的心脏病鉴别

唐家尧; 余粟

doi:10.12299/jsues.24-0219

基于提升决策树算法的心脏病鉴别

doi: 10.12299/jsues.24-0219

唐家尧,
余粟^,

上海工程技术大学电子电气工程学院, 上海 201620

基金项目: 国家科技支撑计划项目资助（2015BAF10B00）；上海市科委科研计划项目资助（17511110204）

详细信息

作者简介:
唐家尧（1995 − ），男，硕士生，研究方向为机器学习。E-mail：1444430622@qq.com

通讯作者:
余　粟（1962 − ），女，教授，硕士，研究方向为大数据。E-mail：yusu@sues.edu.cn

中图分类号: O434
计量
- 文章访问数: 160
- HTML全文浏览量: 77
- PDF下载量: 8
- 被引次数: 0
出版历程
- 收稿日期: 2024-06-06
- 刊出日期: 2024-12-31

Heart disease identification based on boosted decision tree

TANG Jiayao,
YU Su^,

School of Electronic and Electrical Engineering, Shanghai University of Engineering Science, Shanghai 201620, China

摘要

摘要: 基于高能物理数据分析的ROOT框架下的梯度提升决策树（BDTG）模型，提出一种多变量分析法用于心脏病鉴别。通过大量的临床数据，分析变量的各种复杂关系提高心脏病鉴别的准确性和可靠性。使用Kaggle开源心脏病数据集，结果表明，模型在BDTG响应值为−0.4~0.5时，没有出现错误鉴别情况。当BDTG响应值的截断为−0.6或0.6时，模型的准确率、查准率、查全率和F1分数达到98%以上。该模型在心脏病诊断方面具有较高的准确性和可靠性，不仅为心脏病预测提供新视角和方法，也为其他疾病的机器学习预测研究提供参考。
- 心脏病预测 /
- 机器学习 /
- 梯度提升决策树方法
Abstract: A gradient boosting decision tree (BDTG) model based on high-energy physics data analysis in ROOT framework was proposed for the identification of heart disease using a multivariate analysis method. Through a large amount of clinical data, the aim is to analyze the various complex relationships of variables to improve the accuracy and reliability of heart disease differentiation. Using the Kaggle open-source heart disease dataset, the results showed that the model did not exhibit any erroneous discrimination when the BDTG responsevalues range between between −0.4 and 0.5. In addition, when the truncation of BDTG response values is −0.6 or 0.6, the model still maintained above 98% in accuracy, precision, recall and F1 scores. Therefore, the model has high accuracy and reliability in the diagnosis of heart disease. This study not only provides new perspectives and methods for predicting heart disease, but also serves as a reference for machine learning prediction research on other diseases.
- heart disease prediction /
- machine learning /
- gradient boosting decision tree (BDTG) algorithm

HTML全文

图 1 心脏病患者与正常人的输入变量分布

Figure 1. Distribution of input variables between heart disease patients and normal individuals

下载: 全尺寸图片幻灯片

图 2 决策树示意图

Figure 2. Schematic view of a decision tree

下载: 全尺寸图片幻灯片

图 3 特征变量的关联矩阵

Figure 3. Correlation matrix among feature variables

下载: 全尺寸图片幻灯片

图 4 BDTG 响应分布

Figure 4. BDTG response distribution

下载: 全尺寸图片幻灯片

表 1 数据集特征变量

Table 1. Dataset feature variable

序号	特征	描述
1	Age	年龄
2	Sex	性别
3	Cp	胸痛类型
4	Trestbps	静息血压/(mm·Hg⁻¹)
5	Chol	胆固醇/(mg·dL⁻¹)
6	Fbs	空腹血糖
7	Restecg	静息心电图
8	Thalach	最大心率
9	Exang	运动诱发性心绞痛
10	Oldpeak	ST抑制
11	Ca	主要血管数量
12	Thal	地中海贫血
13	Target	心脏病

下载: 导出CSV

表 2 4种预测结果类别的具体描述

Table 2. Description of four prediction result categories

类型	描述
TP（真正例）	真实值为1，预测值为1
TN（真负例）	真实值为0，预测值为0
FP（假正例）	真实值为0，预测值为1
FN（假负例）	真实值为1，预测值为0

下载: 导出CSV

表 3 BDTG调节参数

Table 3. BDTG tuning parameters

参数	含义	设置
Ntree	树的数量	1000
BoostType	提升算法类型	Gradient
Shrinkage	GradientBoost算法学习率	0.1
nCuts	节点切割优化过程步骤数	20
MaxDepth	MaxDepth	决策树最大深度

下载: 导出CSV

表 4 特征变量影响排序

Table 4. Influence of characteristic variable ranking

排序	特征变量	影响程度
1	Chol	0.146
2	Trestbps	0.142
3	Thalach	0.125
4	Oldpeak	0.115
5	Ca	0.086

下载: 导出CSV

表 5 BDTG 响应在不同值截断的模型表现评价

Table 5. BDTG performance measurements

BDTG响应	查准率/%	查全率/%	F1分数/%
−0.6	98.84	100	99.42
−0.5	99.88	100	99.94
−0.45	99.97	100	99.98
−0.4~0.5	100	100	100
0.55	100	99.86	99.93
0.6	100	99.39	99.69

下载: 导出CSV

参考文献(18)

[1]	马丽媛, 王增武, 樊静, 等. 《中国心血管健康与疾病报告2022》要点解读[J] . 中国全科医学,2023,26(32):3975 − 3994.
[2]	李秀清. 心脑血管疾病的危险因素及预防方法分析[J] . 亚太传统医药,2012,8(1):179 − 181.
[3]	闫一鸣, 欧阳文斌, 张凤文, 等. 中国先天性心脏病介入治疗现状与展望[J] . 中国胸心血管外科临床杂志,2022,29(10):1243 − 1253.
[4]	梅宏, 杜小勇, 金海, 等. 大数据技术前瞻[J] . 大数据,2023,9(1):1 − 20.
[5]	肖博达, 周国富. 人工智能技术发展及应用综述[J] . 福建电脑,2018,34(1):98 − 99
[6]	陈蒙蒙, 方振红, 涂文怡, 等. 基于Logistic回归模型的心脏病预测模型构建及效果分析[J] . 医院管理论坛,2022,39(2):32 − 35.
[7]	王成武, 郭志恒, 晏峻峰. 改进的支持向量机在心脏病预测中的研究[J] . 计算机技术与发展, 2022, 32(3): 175−179.
[8]	谭朋柳, 徐光勇, 张露玉, 等. 基于卷积神经网络和Adaboost的心脏病预测模型[J] . 计算机应用,2023,43(S1):19 − 25.
[9]	赵金超, 李仪, 王冬, 等. 基于优化的随机森林心脏病预测算法[J] . 青岛科技大学学报(自然科学版),2021,42(2):112 − 118.
[10]	刘柃伶, 黄学德. 基于XGBoost和SHAP的心脏病影响因素分析[J] . 信息与电脑(理论版),2024,36(6):68 − 70.
[11]	ALAN S C, WESLEY D, BENJAMIN F, et al. Boosted decision trees in the era of new physics: a smuon analysis case study[J] . Journal of High Energy Physics,2021(2022):1 − 15.
[12]	NIKOLAY K,OLEG S. Method for improving gradient boosting learning efficiency based on modified loss functions[J] . Automation and Remote Control,2022(83):1935 − 1943.
[13]	ANDREAS T. ConfusionVis: comparative evaluation and selection of multi-class classifiers based on confusion matrices[J] . Knowledge-Based Systems,2022(247):3 − 12.
[14]	TAFFAZUL C, BISMITA C. Automated cardiovascular disease prediction models: A comparative analysis[J] . EAI Endorsed Transactions on Pervasive Health and Technology,2023(9):1 − 6.
[15]	RAQUEL S, VERONIKA T, CELIA O, et al. Balancing risk and profit: Predicting the performance of potential new customers in the insurance industry[J] . Journal cf Information Science,2024(15):546.
[16]	ASADA Y. Evaluation of the performance of a machine learning based atrial fibrillation screening algorithm using an oscillometric blood pressure monitor[J] . Scientific Reports,2024(14):1 − 18.
[17]	DU S S, QIU T, LI L Q, et al. Application of multi-gradient boosting tree in drug identification[J] . Computer Science and Exploration,2020(14):260 − 273.
[18]	SHAIMAA M, MOHAMED G, GAMAL F, et al. Cardiovascular disease prediction using modified version of resnet-50 model[C] //Proceedings of the 32nd International Conference on Computer Theory and Applications (ICCTA). Location: IEEE, 2022.