基于集成学习的糖尿病分析预测

黄朴文

（慈溪市慈溪中学，浙江宁波，315300）

0 引言

糖尿病是是一组以高血糖为特征的代表性疾病，目前广泛在中老年群体发病，患病者会导致血糖升高，激素紊乱，破坏人体正常的免疫系统。因此，通过测量人体的一些参数指标，来预测人体是否患有糖尿病，以便于及时采取治疗手段就显得十分有必要。

在本文中，将根据皮马印第安人糖尿病数据集，通过一些人体的特征，构建相应的分类模型，来预测其是否患有糖尿病。

本研究采用开放的皮马印第安人糖尿病数据集，数据集包含了768个皮马印第安人糖尿病信息样本（样本均为女性），每个样本包含该女性年龄，怀孕次数，血糖指数，血压指数等8个特征，目标值Y表示该女性样本是否患有糖尿病。

我们总共有768名皮马印第安人女性样本，我们将数据划分为500个样本作为测试集，用于训练我们的模型，剩下的268名女性样本作为测试集，用来检验我们训练出的模型的好坏。

1 多分类模型构建

■1.1 kNN模型

1.1.1 kNN模型原理

kNN（k –Nearest Neighbor）算法，又称之为 k临近算法，是数据挖掘与机器学习中最简单的分类方法之一。K临近指的是待分类样本点最近的k个邻居。kNN 模型最初由 Cover 和 Hart 于 1968 年被提出， 是一个在理论上比较成熟的方法[1]。

kNN模型的主要思想是，将训练集绘制在特征空间中，然后将待分类样本，通过特定的距离计算公式，得到该样本在该特征空间最近的k个邻居，然后采取投票原则，将k个邻居中得票最多的类别作为待分类样本的类别。

在我们要解决的问题中，我们的训练集样本包括500名皮马印第安人女性以及相关的8个特征，将它们绘制在特征空间里。……