Um algoritmo XGBoost aprimorado que usa características numéricas e textuais combinadas alcançou 80,2% de precisão na predição de diabetes.
Resumo Explorar características importantes do diabetes através de métodos analíticos de mineração de dados pode prever e prevenir o diabetes. Este artigo propõe um algoritmo de predição de diabetes baseado no algoritmo XGBoost, com as características numéricas sendo separadas enquanto algumas características importantes são extraídas dos dados textuais do experimento. Os resultados do experimento mostram que a precisão da predição de diabetes baseada no algoritmo XGBoost aprimorado com a combinação de características é de 80,2%, o que é um método viável e eficaz para a predição de diabetes.
Li et al. (Sun,) estudaram essa questão.
Synapse has enriched 5 closely related papers on similar clinical questions. Consider them for comparative context: