研究人员开发了一种新模型,该模型结合了随机森林分类器和蝙蝠优化算法,以提高2型糖尿病诊断的准确性。通过使用SMOTE-ENN首先解决Pima Indians糖尿病数据库中的类别不平衡和噪声问题,该模型达到了89%的准确率。这种将进化算法与集成学习相结合的方法,有望成为临床环境中早期检测2型糖尿病的实用工具。 AI
影响 这项研究展示了人工智能在提高医疗保健诊断准确性方面的潜力,可能带来更早的干预和更好的患者预后。
排序理由 学术论文,详细介绍了新的机器学习模型及其在特定任务上的性能。[lever_c_demoted from research: ic=1 ai=1.0]
- alphaXiv
- Bat optimization algorithm with fuzzy based PIT sharing (BF-PIT) algorithm for Named Data Networking (NDN)
- CatalyzeX Code Finder for Papers
- Connected Papers
- CORE Recommender
- DagsHub
- Gotit.pub
- Hugging Face
- IArxiv Recommender
- Influence Flower
- Litmaps
- Pima Indians Diabetes Database
- Random Forest
- ScienceCast
- scite Smart Citations
- SMOTE-ENN
- type 2 diabetes
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →