深度残差网络模型的构建及其在糖尿病预测中的应用

为提高糖尿病预测准确率和精度,针对糖尿病数据特性,构建由全连接层组成的深度残差网络。在残差块中加入批量标准化层,去除了Dropout层,进而确定了各层的排列顺序。分别使用3种不同激活函数和4种不同的优化算法时,对比深度残差网络的准确率、精度、召回值、F1值和平均准确率等评价指标值,进而选择Tanh作为模型激活函数,自适应矩估计(Adam)作为模型优化算法。采用梯度提升树算法选取影响糖尿病的主要特征,针对UCI糖尿病原始数据集和样本均衡数据集,将深度残差网络与随机森林模型、朴素贝叶斯模型、决策树模型、支持向量机模型、逻辑回归模型进行对比分析。预测结果表明,深度残差网络优于全连接神经网络;对于原始数据集和样本均衡数据集,深度残差网络模型的准确率和精度均优于相比较的其余5种预测模型。

资料为PDF文档格式.

本文档关键词:糖尿病,深度,模型,构建,及其