论文部分内容阅读
目的
应用机器学习构建中国老年人维生素D分类模型。
方法利用2010—2012年中国居民营养与健康状况监测数据，收集研究对象基本信息、身体运动等情况，以3d 24h膳食回顾法和食物频率法收集研究对象的膳食摄入情况，以维生素D正常与不足为结局变量，探索采用随机森林、核支持向量机、极致梯度提升和集成算法等多种机器学习技术构建中国老年人维生素D分类模型的效果。
结果以3 d 24 h膳食回顾法和食物频率法获得的2组膳食调查数据为基础，构建的中国老年人维生素D分类模型准确率分别为0.71和0.62，F1分别为0.82和0.73，受试者工作特征曲线下面积在调节参数及集成学习后提高到0.58和0.57。年龄，性别，蔬菜、水产品和谷物的摄入，每天做家务及运动情况等是影响我国老年人维生素D分类的重要因素。
结论机器学习方法应用于中国老年人维生素D分类模型的构建具有良好的效果，其中随机森林算法和集成学习更适于老年人维生素D分类模型的建构。