關(guān)鍵詞：風險預(yù)測 非平衡分類 機器學(xué)習 流行病 

摘要：目的分析比較幾種常用的非平衡分類技術(shù)在人群糖尿病疾病風險預(yù)測模型中的應(yīng)用。方法利用中國慢性病前瞻性研究浙江省桐鄉(xiāng)市項目點基線調(diào)查數(shù)據(jù)和隨訪數(shù)據(jù),使用機器學(xué)習算法建立人群糖尿病發(fā)病風險的預(yù)測模型,同時探討欠采樣、過采樣、SMOTE技術(shù)及替換切點技術(shù)對分類器性能的影響。結(jié)果本研究中神經(jīng)網(wǎng)絡(luò)預(yù)測模型的AUC值最高,達0.7971,經(jīng)最優(yōu)切點的選擇和分類后,靈敏度和特異度分別為0.7149和0.7431,模型具有較高的預(yù)測能力,同時較好的平衡了靈敏度和特異度的分布。采樣法對不同分類器的AUC值影響不同,一般欠采樣比過采樣具有更高的AUC值;隨著SMOTE中少數(shù)類比例的上升,AUC出現(xiàn)下降的趨勢。結(jié)論使用神經(jīng)網(wǎng)絡(luò)結(jié)合替換切點技術(shù)建立的人群糖尿病5年發(fā)病風險模型具有較高的預(yù)測能力,并能夠較好的處理非平衡數(shù)據(jù)的影響。

中國衛(wèi)生統(tǒng)計雜志要求:

{1}計量單位以國家法定計量單位為準；統(tǒng)計學(xué)符號按國家標準《統(tǒng)計學(xué)名詞及符號》的規(guī)定書寫。

{2}本刊維護首發(fā)權(quán)，切勿一稿多投。稿件寄出3個月內(nèi)未收到用稿通知者，作者可自行處理。來稿一律不再退還。

{3}文章題名應(yīng)簡潔、確切、真實反映文章的主題特色。不超過20字，避免使用非公知公用的縮略字、代號等（一般不用副標題）。

{4}參考文獻：引文務(wù)必準確，參考文獻表中列出的應(yīng)限于作者直接閱讀過的、最主要的、發(fā)表在正式出版物上并且在文章中直接引用的文獻；按GB7714-87的規(guī)定采用順序編碼標注制著錄。

{5}通訊作者(第一作者)簡介：包括姓名、出生年、性別、民族（指少數(shù)民族）、籍貫、職稱（學(xué)位）及研究方向（附Email與電話號碼）。

注：因版權(quán)方要求，不能公開全文，如需全文，請咨詢雜志社