帕金森病是一种慢性退行的运动障碍,症状主要表现为震颤、僵硬、运动缓慢、姿势不稳等。帕金森病不能完全治愈,病情的发展会降低患者的生活质量。帕金森病患者的受众群体通常为老年人,去医院诊断行动不便,且目前的诊断成本较高。因此,基于语音障碍的远程诊断受到了学者的广泛关注。本文以语音数据集为分析对象,研究帕金森病的远程诊断问题。数据来源于Sakar等(Appl.Soft.Comput.,2018,74(1):255-263),包含252名受试者(其中188名为帕金森患者)的相关录音。研究目标是筛选与诊断相关性高的变量,构造分类器,提高诊断的精度。第2章对帕金森数据进行了描述性分析和数据预处理。第3章使用随机森林特征重要性排序来进行特征选择,选定前18个较为重要的特征作为入模变量。第4章在训练集上使用选定的变量构建分类器,它们分别是logistic回归、支持向量机和费希尔线性判别。同时,选取精确度、灵敏度、特异度、查全率以及F1得分这五个指标来评估分类器效果。结果表明,分类器诊断效果较好,但存在灵敏度较高,特异度较低的问题。由于重症患者很容易被正确诊断,而这些信息常常会降低分类器诊断的特异度,因此第5章提出了基于信息值的模型优化方法。一方面,基于训练数据制定初筛规则,甄选出病情较为严重的患者;另一方面,对初筛后的数据进行建模,从而更好地诊断轻症患者。这种模型优化的方法也称为二阶段诊断法。二阶段诊断法提高了对帕金森病的诊断能力:三个分类器在训练集上的精确度平均提升6%,支持向量机在测试集上的精确度达到88%,比Sakar等的诊断精度提高3%。最后,本文模拟研究了样本量对初筛效果的影响。