摘要: 针对现有心脏病风险预测模型准确率较低且可解释性较差等问题,提出了一种改进鲸鱼优化轻量级梯度提升机(LightGBM)的可解释性心脏病风险预测模型。首先,使用深度自编码器有效地实现了数据降维;然后,采用halton序列初始化种群、非线性收敛因子和动态螺旋更新等策略改进鲸鱼优化算法,以获取LightGBM超参数的全局最优解;最后,引入沙普利加性解释方法对该模型的重要特征进行可解释性分析。与其他主流降维方法及分类模型的对比实验表明,该模型具有更高的预测精度,能高效地提取心脏病风险的潜在特征。
中图分类号: