基于QBSO算法的肝病检测

陆 军华, 李 丹
四川大学锦城学院

摘要

在机器学习和数据挖掘中，挑选最合适的特征对创建高效的数据模型应是非常关键的。但是目前对于优化特征选择还是比较困难的。本文提到的QBSO算法是在蜂群优化算法的基础上，用强化学习来执行其子集生成步骤中的搜索过程，并将之用于特征选择。本文将QBSO算法用于对印度肝病患者数据集的特征选择，再用KNN算法进行分类，来评估这些特征子集，并且与决策树相比较，选择出更合适的特征，提高对检测的准确率。

关键词

特征选择；蜂群优化；强化学习；肝病患者

参考

[1] Sadeg S., Hamdad L., Remache A.R., Karech M.N., Benatchba K., Habbas Z. (2019) QBSO-FS: A Reinforcement Learning Based Bee Swarm Optimization Metaheuristic for Feature Selection. In: Rojas I., Joya G., Catala A. (eds) Advances in Computational In- telligence. IWANN 2019. Lecture Notes in Computer Science, vol 11507. Springer, Cham.

[2] 张俐 , 王枞 , 郭文明 . 利用近似马尔科夫毯的最大相关最小 冗余特征选择算法 [J]. 西安交通大学学报 ,2018,52(10):141- 145.

[3] 窦小凡 .KNN 算法综述 [J]. 通讯世界 ,2018(10):273-274.

[4] 谷雨 . 多源视觉场景下目标特征数据融合与识别技术的研究 [D]. 沈阳 : 沈阳理工大学 ,2017.

[5] 林志远 . 基于决策树算法的心脏病预测研究 [J]. 电子制 作 ,2019(06):23-25.

[6] 李春生 , 焦海涛 , 刘澎 , 刘小刚 . 基于 C4.5 决策树分类算法 的改进与应用 [J]. 计算机技术与发展 ,2020,30(05):185-189.

[7] 谢林瀚 . 基于数据挖掘探究肝脏疾病诊断模型 [J]. 中国科技 投资 ,2019,(17):254-255.