使用随机森林和分类回归树（CART）对二型糖尿病进行早期检测

糖尿病（DM）是印度尼西亚第三大致死疾病，而二型糖尿病由于是遗传和生活方式因素的结合而更具危险性。二型糖尿病患者的高发病率是由于诊断延迟，因此，疾病的早期检测对于将已检测患者与未检测患者分类是必要的。此外，分析决定因素和主要属性非常重要。在本研究中，结合回归树法（CART）和随机森林（RF）两种分类方法，以建立用于早期检测二型糖尿病的分类模型。根据医疗记录中使用的数据集特征选择这些方法，该数据集包含多个类别和连续属性的复杂属性。此外，CART模型易于实施，能够探索复杂医疗记录的结构，而RF方法则能够处理准确性问题。本研究测试了不同数量的树与候选属性分割器的数量。测试结果显示，增加树和属性分割器可以提高准确性并降低错误率，最佳输入为50棵树和3个属性分割器，平均准确率为83.8%。早期检测二型糖尿病的重要属性是遗传、年龄和身体质量指数。