资源类型：
收录情况：
◇ 北大核心
文章类型：
机构：
[1]天津大学微电子学院
[2]北京智芯微电子科技有限公司
[3]云南省第一人民医院
云南省第一人民医院
出处：
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。据此，文中提出一种基于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、分类与评估五部分组成。实验结果表明，XGBoost在高血压预测中获得了0.859的F1分数且准确率超过了85%，均高于随机森林、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子，文中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(61771338)；云南省重点研究计划（2018IB007）；天津市科技计划项目重大
专项（18ZXRHSY00190）
第一作者：
第一作者机构：
[1]天津大学微电子学院
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.2021,
