论文部分内容阅读
慢性阻塞性肺疾病已经成为一个重要的社会问题．气流受限是慢性阻塞性肺疾病的最基本特征．而肺功能检查对评估气流受限程度具有重要意义．本文利用机器学习的方法，分析慢性阻塞性肺疾病患者肺功能检测指标，建立更加有效的判定及预测慢性阻塞性肺疾病的模型．首先，进行数据预处理，包括填补缺失值以及剔除脏数据．然后，利用因子分析、决策树分析及其优化方法，选取13个主成分，建立了最大树深度为3、最小父节点为10、最小子节点为10的慢性阻塞性肺疾病预测模型．最后，通过大量实验，验证本模型的有效性，预测慢性阻塞性肺疾病准确率达到8