ランダムフォレストおよび分類と回帰木 (CART) を用いた II 型糖尿病の早期検出

糖尿病 (DM) はインドネシアで3番目に致死率の高い病気であり、II 型 DM は遺伝的要因とライフスタイル要因の組み合わせによって引き起こされるため、さらに危険です。 II 型 DM に感染した患者の高い割合は、診断の遅れによるものであり、したがって、早期の病気検出が、検出された II 型糖尿病患者と未検出患者の分類に必要です。さらに、決定因子と主要属性の分析が強く推奨されます。本研究では、回帰木法 (CART) とランダムフォレスト (RF) の組み合わせた分類法を実装し、II 型糖尿病の早期検出に使用される分類モデルを構築します。これらの方法は、いくつかのカテゴリ属性と連続属性からなる複雑な属性で構成される医療記録で使用されるデータセットの特性に基づいて選択されました。CART モデルの利点は実装が容易であり、複雑な医療記録の構造を探ることができる一方、RF 法は精度に関する問題を処理できます。本研究では、異なる数の木と候補属性スプリッターの数をテストしました。テスト結果に基づくと、木と属性スプリッターの追加が精度を向上させ、誤差率を低下させることが示され、最適な入力は50本の木と3つの属性スプリッターで、平均精度は83.8%です。II 型糖尿病の早期検出の重要な属性は、遺伝、年齢、体重指数です。