对疾病的准确和早期预测可以计划和改善患者未来生活的质量。在大流行的情况下,医疗决定成为速度挑战,医师必须迅速采取行动诊断和预测疾病严重程度的风险,此外,这对于帕金森氏病(如帕金森氏病)的神经退行性疾病也很高。具有特征选择(FS)技术的机器学习(ML)模型可以应用于帮助医生快速诊断疾病。 FS最佳子集功能,可改善模型性能并帮助减少患者所需的测试数量,从而加快诊断的速度。这项研究表明,预先应用于分类器算法,逻辑回归,在非侵入性测试结果数据上预先应用于分类器算法的结果。这三个FS是基于滤波器的方法的方差分析(ANOVA),最小绝对收缩和选择操作员(LASSO)作为嵌入式方法和顺序特征选择(SFS)作为包装方法。结果表明,FS技术可以帮助构建有效的分类器,从而改善分类器的性能,同时减少计算时间。
translated by 谷歌翻译