Bagging算法驅(qū)動的心血管疾病預(yù)測模型及智能床墊應(yīng)用

摘要：目前，機器學(xué)習(xí)在疾病預(yù)測領(lǐng)域的應(yīng)用日益廣泛。文章介紹了SVM（支持向量機）、CART（分類與回歸樹）決策樹、KNN （K近鄰）3種機器學(xué)習(xí)算法，并將這3種算法構(gòu)建的模型應(yīng)用于心血管疾?。–VD）的預(yù)測中。結(jié)果表明，SVM模型表現(xiàn)最優(yōu)。此外，為進一步提高模型的性能和魯棒性，在這3個基模型中均融合了Bagging算法。研究結(jié)果顯示，3個模型的性能均得到了不同程度的提升，其中CART決策樹模型的性能提升最為顯著，但SVM模型仍然保持最佳表現(xiàn)。利用機器學(xué)習(xí)技術(shù)對CVD進行有效預(yù)測的方法可應(yīng)用于智能床墊上，通過監(jiān)測和分析用戶的生理數(shù)據(jù)，智能化地評估心血管疾病風(fēng)險，為實現(xiàn)便捷的智能健康管理提供了一種有效途徑，對CVD的預(yù)防和診斷具有重要價值。

關(guān)鍵詞：Bagging算法；疾病預(yù)測模型；機器學(xué)習(xí)；心血管疾??；智能床墊

中圖分類號：TP391" " "文獻標識碼：A" " "文章編號：1674-0688（2024）11-0020-04

0 引言

心血管疾病（CVD）是影響各年齡段人群的心臟疾病之一，是全球死亡的主要原因。世界心臟病聯(lián)盟報告，全球每年因心血管疾病死亡的人數(shù)高達2 050萬，約占全球死亡總?cè)藬?shù)的1/3［1］。在中國，心血管病的患病人數(shù)已達3.3億［2］。隨著智能家居和物聯(lián)網(wǎng)（IoT）技術(shù)的迅猛發(fā)展，智能床墊等家居產(chǎn)品作為數(shù)據(jù)驅(qū)動的健康管理設(shè)備，已能夠憑借內(nèi)置傳感器和云計算技術(shù)，連續(xù)、無縫地收集用戶的各項生理數(shù)據(jù)。心血管疾病的誘因包括過量飲酒、吸煙、高血壓、高膽固醇、不良飲食習(xí)慣和家族史等，這些因素導(dǎo)致的死亡可通過早期預(yù)測進行有效干預(yù)?；跈C器學(xué)習(xí)的預(yù)測模型能夠處理復(fù)雜的數(shù)據(jù)并進行高效準確的分類和預(yù)測分析，挖掘數(shù)據(jù)的內(nèi)在模式，從而實現(xiàn)對CVD的早期預(yù)測。目前，國內(nèi)外眾多研究人員關(guān)注將機器學(xué)習(xí)方法應(yīng)用于心血管疾病預(yù)測領(lǐng)域。國內(nèi)方面，楊曄等［3］通過采集和分析睡眠狀態(tài)下的HRV（心率變異性）數(shù)據(jù)，利用機器學(xué)習(xí)算法構(gòu)建CVD預(yù)測模型，為CVD的早期預(yù)測提供了新的思路和方法；李文夢［4］通過機器學(xué)習(xí)算法對心肌梗死并發(fā)癥數(shù)據(jù)集進行建模和預(yù)測，提出了一種基于極端隨機樹、隨機森林（ RF）和Lasso回歸的混合嵌入式特征選擇方法，以0.01作為閾值篩選出最終參與模型構(gòu)建的特征。國外方面，Jinjri等［5］比較了SVM、KNN、LR （邏輯回歸）、DT（決策樹）和NB（樸素貝葉斯）5種機器學(xué)習(xí)算法在心血管疾病分類中的性能，得出SVM是預(yù)測心血管疾病最有效方法的結(jié)論；Olatunde等［6］則對比了Adaboost算法和Bagging算法在心血管疾病預(yù)測中對機器學(xué)習(xí)模型進行集成的效果，結(jié)果表明Bagging算法具有更優(yōu)的集成效果。

本研究旨在利用機器學(xué)習(xí)模型預(yù)測心血管疾病，采用SVM、CART、KNN 3種機器學(xué)習(xí)算法，并結(jié)合Bagging集成方法，以提高模型的性能和魯棒性，為心血管疾病的預(yù)測和預(yù)防提供依據(jù)。將本文方法應(yīng)用于智能床墊等智能家居設(shè)備上，能夠健康管理技術(shù)的創(chuàng)新，標志著健康管理系統(tǒng)的智能化升級，使其在智能家居健康設(shè)備領(lǐng)域得到更廣泛的應(yīng)用。

1 算法原理

1.1 Bagging算法

Bagging（Bootstrap Aggregating）算法是一種集成學(xué)習(xí)方法，最初由Leo Breiman于1994年提出。該算法通過以下步驟提高模型的穩(wěn)定性和預(yù)測準確性：①對原始數(shù)據(jù)集進行多次重采樣，生成多個子數(shù)據(jù)集。②針對每個重采樣得到的數(shù)據(jù)集分別訓(xùn)練一個基學(xué)習(xí)器模型，從而得到多個子模型。③集成這些子模型的預(yù)測結(jié)果［7］。對于分類任務(wù)，采用以下公式對所有子模型的預(yù)測結(jié)果進行多數(shù)投票：

對于回歸任務(wù)，通過以下公式對所有子模型的預(yù)測值進行平均：

1.2 支持向量機

SVM（Support Vector Machine）是一種經(jīng)典的監(jiān)督學(xué)習(xí)算法，其基本原理在于尋找一個超平面，以最大化不同類別的樣本點之間的間隔，從而實現(xiàn)分類。SVM通過以下公式尋找最優(yōu)超平面：

其中：[ω]為定義超平面方向的權(quán)重向量，它決定了超平面的朝向；[b]為超平面的偏置（或截距），用于確定超平面在特征空間中的位置。

SVM的約束條件為

其中：[ω?xi+b]是分類超平面，用于最大化分類間隔的約束，確保樣本點被正確分類。SVM通過拉格朗日乘子法或序列最小優(yōu)化（SMO）等算法求解優(yōu)化問題，從而得到最優(yōu)[ω]和[b]。對于新樣本[x]，SVM根據(jù)其相對于超平面的距離進行分類：

1.3 CART決策樹

CART（Classification and Regression Tree）是決策樹算法的一種具體實現(xiàn)，由Breiman等人于1984年提出。CART算法采用基尼指數(shù)（Gini）作為選擇最佳劃分特征的準則，基尼指數(shù)的公式如下：

其中：[pi]表示第[i]類在數(shù)據(jù)集[D]中的概率，[C]為類別的數(shù)量。基尼指數(shù)越小，則數(shù)據(jù)集的純度越高。CART算法選擇基尼指數(shù)最小的特征作為當前節(jié)點的最優(yōu)劃分特征。

1.4 KNN算法

KNN（K-Nearest Neighbors）算法的基本原理如下：找到待分類樣本訓(xùn)練集中與其最近的K個樣本，從而確定該樣本的分類結(jié)果。首先，計算待分類樣本與訓(xùn)練集中各樣本的距離，常見的距離度量方法包括曼哈頓距離、歐式距離、閔可夫斯基距離等。其次，根據(jù)計算出的距離，選取離測試樣本最近的K個樣本作為“鄰居”。最后，對K個鄰居的標簽進行投票，將出現(xiàn)頻率最高的類別作為該待分類樣本的預(yù)測結(jié)果。

2 實驗方法

2.1 數(shù)據(jù)處理

本研究采用的研究數(shù)據(jù)來源于Kaggle平臺上的心血管疾病數(shù)據(jù)集，該數(shù)據(jù)集包含70 000個樣本，每個樣本具有11個特征（表1）以及1個指示心血管疾病存在與否的二元標簽。根據(jù)標簽，數(shù)據(jù)集被分為CVD組和非CVD組。由于數(shù)據(jù)集中正負樣本比例不均衡，可能會對分類器的性能產(chǎn)生嚴重影響［8］。為避免這一影響，對數(shù)據(jù)集進行隨機抽樣處理，確保CVD組和非CVD組各保留10 000個樣本。

2.2 模型構(gòu)建

將數(shù)據(jù)集的70%作為訓(xùn)練集，30%作為測試集。隨后，分別以SVM、CART、KNN算法為基礎(chǔ)構(gòu)建預(yù)測基模型。接著，對SVM、CART、KNN模型分別融合Bagging算法，以構(gòu)建改進的心血管預(yù)測模型，并對這些模型進行評估和對比。實驗流程圖見圖1。

2.3 性能指標

在醫(yī)學(xué)診斷領(lǐng)域，混淆矩陣是估計分類器性能最基本且直觀的方法。對于典型的二元分類問題，涉及“正類”和“負類”兩個類別，混淆矩陣包含“真陽性”（TP）、“假陰性”（FN）、“假陽性”（FP）和“真陰性”（TN）4個元素［9-10］，其對應(yīng)關(guān)系見表2。本研究將CVD組定義為正類，非CVD組定義為負類。基于此計算了5個用于評估模型性能的指標：準確率（Accuracy）、靈敏度（Sensitivity）、特異性（Specificity）、精度（Precision）和F1分數(shù)（F1-score），指標計算公式如下：

3 結(jié)果與討論

以SVM、CART、KNN 3個機器學(xué)習(xí)模型作為基模型進行心血管病預(yù)測實驗，實驗結(jié)果見表3。

為提高模型性能及其泛化能力，將SVM、CART、KNN與Bagging算法相結(jié)合，得到BGSVM、BGCART、BGKNN 3個模型，結(jié)合Bagging算法的模型效果對比結(jié)果見表4；基模型與結(jié)合Bagging算法后的模型效果對比圖分別見圖2至圖4。

根據(jù)實驗結(jié)果可知，SVM、CART、KNN 3種算法中，SVM模型在Accuracy、Sensitivity、Specigicity等指標上均優(yōu)于其他兩種算法，在心血管疾病預(yù)測任務(wù)中表現(xiàn)出較良好的性能。同時，結(jié)合Bagging算法后的3個模型的性能均有不同的程度的提升。

上述實驗結(jié)果表明，SVM模型能夠較出色地完成心血管預(yù)測任務(wù)，對于復(fù)雜的數(shù)據(jù)集表現(xiàn)出較優(yōu)異的性能。通過引入Bagging算法，多個子集訓(xùn)練的CART模型能有效減少過擬合，從而顯著提升了性能。

4 智能床墊應(yīng)用

智能床墊配備了多種傳感器，能夠收集用戶的各項生理數(shù)據(jù)。這些數(shù)據(jù)通過物聯(lián)網(wǎng)技術(shù)傳輸至云端或本地設(shè)備，隨后由心血管疾病預(yù)測模型進行分析與預(yù)測，并輸出預(yù)測結(jié)果。一旦預(yù)測模型檢測到用戶心血管健康狀態(tài)存在異常，智能床墊將通過連接的移動應(yīng)用程序或物聯(lián)網(wǎng)設(shè)備向用戶或其家屬發(fā)送警報，提醒其關(guān)注潛在的健康風(fēng)險。搭載CVD預(yù)測模型的智能床墊框架圖見圖5。

5 結(jié)語

機器學(xué)習(xí)在疾病預(yù)測領(lǐng)域展現(xiàn)出強大的潛力和廣泛的應(yīng)用前景。借助多種機器學(xué)習(xí)算法，可以從復(fù)雜的健康數(shù)據(jù)中提取重要特征，識別潛在疾病風(fēng)險，為早期診斷和干預(yù)提供支持。本研究采用機器學(xué)習(xí)方法，運用SVM、CART、KNN算法構(gòu)建了CVD預(yù)測模型，并結(jié)合Bagging算法提升了模型預(yù)測效果，能夠輔助監(jiān)測CVD患病風(fēng)險。本研究將模型嵌入到智能床墊中，使CVD的早期篩查和干預(yù)更便捷和高效。從長遠角度看，基于Bagging集成模型的心血管疾病預(yù)測系統(tǒng)，通過智能床墊這一載體，不僅實現(xiàn)了心血管疾病的早期風(fēng)險評估，還推動了數(shù)據(jù)驅(qū)動的健康管理模式的應(yīng)用，為疾病預(yù)防和健康促進提供了重要支持，標志著數(shù)據(jù)驅(qū)動健康管理模式的一次重要創(chuàng)新。未來，隨著數(shù)據(jù)采集技術(shù)、邊緣計算和工業(yè)自動化控制技術(shù)的不斷發(fā)展，智能家居產(chǎn)品將成為物聯(lián)網(wǎng)健康管理系統(tǒng)的核心節(jié)點，為用戶提供更精準、實時的健康反饋和個性化干預(yù)，顯著提升智能家居在個人健康領(lǐng)域的價值和影響力。

6 參考文獻

［1］MURRAY C J L.World heart report 2023［J］.Nature Medicine，2022，28（10）：2019-2026.

［2］劉明波，何新葉，楊曉紅，等.《中國心血管健康與疾病報告2023》要點解讀［J］.中國心血管雜志，2024，29（4）：305-324.

［3］楊曄，燕雪雅，侯鳳貞，等.基于睡眠心率變異性的心血管疾病預(yù)測研究［J］.生物醫(yī)學(xué)工程學(xué)雜志，2021，38（2）：249-256.

［4］李文夢.基于機器學(xué)習(xí)的心肌梗塞并發(fā)癥預(yù)測［D］.武漢：華中科技大學(xué)，2022.

［5］JINJRI W M，KEIKHOSROKIANI P，ABDULLAH N L.Machine learning algorithms for the classification of cardiovascular disease-a comparative study［C］//2021 International Conference on Information Technology（ICIT），Amman，Jordan：IEEE，2021：132-138.

［6］OLATUNDE Y，OMOTOSHO L，AKANBI C.Comparison of adaboost and bagging ensemble method for prediction of heart disease［J］.Heart，2019，50：17.

［7］車翔玖，于英杰，劉全樂.增強Bagging集成學(xué)習(xí)及多目標檢測算法［J］.吉林大學(xué)學(xué)報（工學(xué)版），2022，52（12）：2916-2923.

［8］CHAWLA N V，JAPKOWICZ N，KOTCZ A.Editorial：special issue on learning from imbalanced data sets［J］.ACM SIGKDD Explorations Newsletter，2004，6（1）：1-6.

［9］SOKOLOVA M，LAPALME G.A systematic analysis of performance" measures" "for" "classification tasks［J］.Information Processing amp; Management，2009，45（4）：427-437.

［10］LUQUE A，CARRASCO A，MARTíN A，et al.The impact of class imbalance in classification performance metrics based on the binary confusion matrix［J］.Pattern Recognition，2019，91：216-231.