资源类型：
收录情况：
◇ 统计源期刊
◇ 北大核心
◇ CSCD-C
文章类型：
机构：
[1]天津大学微电子学院,天津300072
[2]北京智芯微电子科技有限公司,北京102200
[3]云南省第一人民医院,昆明650031
云南省第一人民医院
出处：
ISSN：
关键词：
机器学习
高血压预测
营养成分分析
极端梯度提升
摘要：
高血压是一种常见的慢性病,若能早发现、早采取措施可降低其引发并发症的风险.尽管高血压的产生与发展与诸多因素有关,但饮食被公认为影响高血压的主要因素之一.机器学习模型可以对疾病进行有效预测,并提供辅助治疗.笔者提出一种基于XGBoost的通过分析营养成分预测高血压的方案,该方案由数据转换、特征选择、数据清理与标准化、模型搭建、分类与评估5部分组成.实验结果表明,XGBoost在高血压预测中获得了0.859的F1分数且准确率超过85％,高于随机森林、支持向量机与人工神经网络.此外通过分析不同营养成分对高血压预测的影响因素,获得了影响高血压的前10个营养特征,大部分与医学结论相同,验证了模型的有效性.
基金：
国家自然科学基金资助项目（６１７７１３３８）；云南省重点研究资助项目（２０１８ＩＢ００７）；天津市科技计划项目重大专
项资助项目（１８ＺＸＲＨＳＹ００１９０）。
第一作者：
第一作者机构：
[1]天津大学微电子学院,天津300072
通讯作者：
推荐引用方式(GB/T 7714)：
蒋淮,谭浪,李时杰,等.基于XGBoost模型的营养成分分析高血压预测方案[J].重庆大学学报.2023,46(02):119-129.
