母東生，蔡夢杰，王桂娟，陳華容，吳亞東

(1.西南科技大學(xué) 計算機科學(xué)與技術(shù)學(xué)院，四川 綿陽 621000； 2.四川輕化工大學(xué) 計算機科學(xué)與工程學(xué)院，四川 自貢 643000)

0 引 言

據(jù)世界衛(wèi)生組織估計，全球約有4.22億糖尿病患者，每年約有340萬人死于糖尿病，預(yù)計到2030年糖尿病將成為第7位主要死因，糖尿病已經(jīng)成為嚴重威脅人類健康和生命安全的主要慢性疾病之一[1]。大量的流行病學(xué)研究表明：超重、肥胖、靜息活動、不良生活習(xí)慣和糖尿病家族史等是誘發(fā)糖尿病的致病因素，大致概括為遺傳因素與環(huán)境因素。隨著人們生活水平的顯著提高，環(huán)境因素在糖尿病的發(fā)展中成為了一個非常重要的因素。患者日常生活的不良習(xí)慣,例如吸煙、嗜酒、飲食不合理等都會促使其病情的加劇,而現(xiàn)如今還未探索出治愈糖尿病的治療方法,但是可以通過控制其自身或周邊的危險因素來有效預(yù)防和控制糖尿病病情的發(fā)展[2]。因此糖尿病的預(yù)防應(yīng)該從合理的生活方式開始，倡導(dǎo)健康的生活方式，改變不良的生活習(xí)慣。同時也可以通過機器學(xué)習(xí)模型對糖尿病患者的病情進行預(yù)測，讓患者了解病情發(fā)展情況，進而才會主動采取有效的措施預(yù)防糖尿病。另外，不同的預(yù)測模型針對不同的數(shù)據(jù)類型預(yù)測的效果也不盡相同，一個好的預(yù)測結(jié)果能提高臨床決策和診療方案制定的速度。因而探究糖尿病的風(fēng)險因素影響以及糖尿病預(yù)測都具有重大意義。

可視分析作為大數(shù)據(jù)領(lǐng)域的一個分支，其綜合了數(shù)據(jù)挖掘、可視化模型設(shè)計等相關(guān)技術(shù)，通過人的參與及機器的自動分析，既保持了數(shù)據(jù)分析過程的高效性，又結(jié)合了人的經(jīng)驗知識提高分析結(jié)果的準確性。與晦澀難懂的數(shù)學(xué)模型及枯燥乏味的數(shù)據(jù)表格相比，可視分析以圖形化的方式展示了數(shù)據(jù)背后的模式和規(guī)律，輔助用戶更好地發(fā)掘、認知數(shù)據(jù)所蘊含的信息[3]。利用可視化與可視分析可以幫助患者與醫(yī)師能更好地發(fā)現(xiàn)醫(yī)療健康數(shù)據(jù)所蘊藏的價值。因此，文中設(shè)計了糖尿病演變與預(yù)測的可視分析系統(tǒng)。通過關(guān)聯(lián)多個視圖，提供豐富的交互操作，探究一定時間內(nèi)糖尿病變化程度，分析生活習(xí)慣對疾病演變的影響方向。同時，利用隨機森林、GBDT、線性回歸等算法建立預(yù)測模型，對患者血糖變化進行預(yù)測。構(gòu)建折線圖分析預(yù)測效果，對各類模型的預(yù)測效果進行比較。并通過交互手段根據(jù)用戶生活習(xí)慣得到血糖變化。有利于提高患者的防范意識，輔助醫(yī)生進行及時干預(yù)從而降低糖尿病的死亡率。對于節(jié)約醫(yī)療資源，減輕家庭重擔(dān)，實現(xiàn)疾病早預(yù)警和治未病具有重要意義。

文中利用了某公司提供的醫(yī)療健康數(shù)據(jù)，驗證文中所提系統(tǒng)的研究意義。主要貢獻如下：

(1)設(shè)計了一個交互式可視分析系統(tǒng)，通過交互的方式來分析生活習(xí)慣對于疾病演變的影響。

(2)通過患者生活習(xí)慣，利用多種機器學(xué)習(xí)模型預(yù)測血糖變化，評估預(yù)測模型效果。進一步分析了當前生活習(xí)慣的影響。

(3)設(shè)計了交互界面，根據(jù)輸入信息預(yù)測患者血糖值。讓患者清楚知道當前生活習(xí)慣的優(yōu)劣。

1 相關(guān)工作

近年來隨著城市化的大力發(fā)展，人們生活水平的升高，生活方式的改變以及人口老齡化的加劇，糖尿病的患病率也在不斷攀升。因此，預(yù)防糖尿病是當今社會研究的一個重要主題。部分研究者從影響糖尿病的危險因素出發(fā)，研究生活方式對于糖尿病的影響；通過構(gòu)建預(yù)測模型對糖尿病的發(fā)生進行預(yù)測提供輔助治療；構(gòu)建可視化視圖利用可視分析的方式探究疾病信息。文中概述了關(guān)于上述3個方面的相關(guān)工作。

1.1 糖尿病影響因素

大量研究表明生活方式干預(yù)是預(yù)防糖尿病的一種有效方式。當醫(yī)生診斷出患者患有輕度糖尿病時，他們會建議患者改善他的生活方式，采取一個健康的制度和一個良好的飲食習(xí)慣可以幫助預(yù)防糖尿病。單純的運動因素及生活習(xí)慣能改變血糖水平。曹錦梅等[4]通過數(shù)據(jù)挖掘技術(shù)表明慢性非傳染性疾病與人的日常生活、生活習(xí)慣等緊密相關(guān)。所以了解生活習(xí)慣對疾病的影響是預(yù)防糖尿病的重要措施之一。王洪峰[5]通過改進Apriori算法從醫(yī)療數(shù)據(jù)中得到了慢性病的生活習(xí)慣影響規(guī)則，并利用此規(guī)則建立了生活習(xí)慣預(yù)測系統(tǒng)。陳松景等[6]利用反向傳播神經(jīng)網(wǎng)絡(luò)的患病因素對血糖影響的量化進行分析，篩選出性別、體重等10個因素。通過相關(guān)學(xué)者研究結(jié)果，文中提煉了糖尿病患者的日主食量、吸煙量、飲酒量、每日鍛煉時間、每周鍛煉次數(shù)等作為影響糖尿病的生活習(xí)慣因素進行研究。

1.2 預(yù)測模型

機器學(xué)習(xí)模型可以對疾病進行有效預(yù)測，給醫(yī)生與患者提供參考。大量學(xué)者構(gòu)建預(yù)測模型，對糖尿病預(yù)測進行了深入研究。這些預(yù)測模型利用不同的危險因素分析糖尿病。如Chien K[7]用Cox回歸模型建立了適合中國人群的糖尿病風(fēng)險預(yù)測模型。侯玉梅[8]和楊光[9]探索決策樹模型在糖尿病預(yù)測中的應(yīng)用，發(fā)掘糖尿病患病的得病風(fēng)險規(guī)律。張穎[10]建立了基于支持向量機的預(yù)測模型，探討支持向量機篩選疾病影響因素及構(gòu)建基本預(yù)測模型的作用。張春富[11]提出一種GA_Xgboost模型應(yīng)用于糖尿病風(fēng)險預(yù)測。Neha[12]挖掘糖尿病病人的生活方式和家庭背景數(shù)據(jù)，利用多種機器學(xué)習(xí)分類的方法分析2型糖尿病數(shù)據(jù)進行預(yù)測。并對各類機器模型進行對比?；诖?，文中也利用了隨機森林、GBDT以及線性回歸算法預(yù)測糖尿病患者血糖變化量。

1.3 疾病可視化

隨著醫(yī)療信息化高速發(fā)展，智能信息化醫(yī)療不斷創(chuàng)新，醫(yī)療數(shù)據(jù)可視化分析技術(shù)對于直觀展示醫(yī)療數(shù)據(jù)分析結(jié)果變得尤為重要。張易軒等[13]通過臨床醫(yī)生對于糖尿病的強化治療設(shè)計了一種帶有多維相關(guān)數(shù)的時變事件可視化工具來幫助臨床醫(yī)生對糖尿病的管理，促進教育干預(yù)。Hakone等[14]以病人為中心，通過可視化對比兩種預(yù)測模型來評估患者的風(fēng)險幫助前列腺癌患者對于保守治療和手術(shù)的選擇。Michael等[15]采用差分層級比價算法分析患者之間的表型。提出了PhoneBlocks表型比較可視化系統(tǒng)幫助醫(yī)師對臨床性疾病的鑒別。

楊沁柳[16]通過對Apriori挖掘2型糖尿病的關(guān)聯(lián)規(guī)則，并通過構(gòu)建決策樹與支持向量機預(yù)測患者的病情情況。而文中從可視分析的方式出發(fā)，設(shè)計了糖尿病血糖演變與生活習(xí)慣分布圖，探究生活習(xí)慣對于血糖變化的影響，利用預(yù)測模型得出的預(yù)測值進一步分析各生活習(xí)慣的影響程度。此外還對各類預(yù)測模型進行了對比。

2 系統(tǒng)概述

文中系統(tǒng)主要由4個模塊組成，即數(shù)據(jù)處理模塊、預(yù)測模型構(gòu)建、可視化模塊以及交互模塊。根據(jù)這4個模塊，提出了可視分析的系統(tǒng)流程，如圖1所示。

圖1 系統(tǒng)設(shè)計流程

首先對原始數(shù)據(jù)進行清洗、變換操作。便于進一步結(jié)合可視化圖表分析病情演變與擬合預(yù)測模型。然后，通過對數(shù)據(jù)可視化以及不同視圖之間的交互，分析生活習(xí)慣對于糖尿病病情的演變影響。通過可視化直觀分析各機器學(xué)習(xí)模型的預(yù)測效果并比較模型。以與用戶交互的形式幫助用戶分析當前生活習(xí)慣的影響程度。

3 模型構(gòu)建

3.1 數(shù)據(jù)處理

文中的原始數(shù)據(jù)利用的是某地區(qū)的糖尿病隨訪數(shù)據(jù)。對于提取的原始數(shù)據(jù)，需要分析其噪聲數(shù)據(jù)與異常數(shù)據(jù)，如對于這類數(shù)據(jù)可以用均值、中位數(shù)或眾數(shù)來代替。所取數(shù)據(jù)中，刪除了離散較大的值，例如血糖高于50 mmol/l、身高低于1 m等。生活習(xí)慣存在少量空值，因為大多數(shù)人的生活習(xí)慣差異不大，所以文中采用眾數(shù)來填充空值。

3.2 模型描述

3.2.1 隨機森林模型

隨機森林[17]是由Breiman將其在1996年提出的Bagging集成學(xué)習(xí)理論[18]與Ho在1998年提出的隨機子空間方法[19]相結(jié)合，于2001年發(fā)表的一種機器學(xué)習(xí)算法。隨機森林主要應(yīng)用于分類和回歸。文中主要研究糖尿病的血糖變化，屬于回歸問題。隨機森林回歸(RFR)的基本思想隨機森林回歸算法是由一組回歸決策子樹{h(x,θt),t=1,2,…}構(gòu)成的組合模型。其中θt是服從獨立同分布的隨機變量,x表示自變量,T表示決策樹的個數(shù)。利用集成學(xué)習(xí)的思想取各決策子樹{h(X,θt)}的均值作為回歸預(yù)測結(jié)果。

(1)

其中，h(x,θt)為基于x和θ的輸出。

3.2.2 GBDT算法

GBDT(gradient boosting decision tree)又叫梯度提升樹，是一種迭代的決策樹算法，在1999年由Jerome Friedman[20]提出，該算法由多棵決策樹組成，最終結(jié)果由所有樹的結(jié)論相加組成。主要思想是每次建立模型是在之前建立的模型損失函數(shù)的梯度下降方向，這也是Boosting思想在GBDT中的體現(xiàn)。GBDT的模型可以表示為：

(2)

GBDT的提升方法采用的是加法模型以及不斷減小訓(xùn)練過程產(chǎn)生的殘差來完成數(shù)據(jù)分類或者回歸。那么第m個分類器的預(yù)測結(jié)果表示為：

F(x)=Fm-1(x)+λmhm(x)

(3)

而hm(x)的優(yōu)化目標就是最小化當前預(yù)測結(jié)果Fm-1(xi)+hm(xi)和yi之間的差距。

(4)

3.2.3 線性回歸

多元回歸分析預(yù)測法，是指通過對兩個或兩個以上的自變量與一個因變量的相關(guān)分析，建立預(yù)測模型進行預(yù)測的方法。當自變量與因變量之間存在線性關(guān)系時，稱為多元線性回歸分析。多元線性回歸模型的一般形式為:

Y=β0+β1X1+β2X2+β3X3+…+

βjXj+…+βkXk+μ

(5)

其中，k為解釋變量的數(shù)目，βj(j=1,2,…,k)為回歸系數(shù)(regression coefficient),μ為去除k個自變量對Y影響后的隨機誤差。

3.3 模型評估

為了能主觀、定量地評價模型的優(yōu)劣，文中主要從精度方面分析。模型精度評價指標選用平均絕對誤差MAE、均方根誤差MSE、平均絕對百分比誤差MAPE以及確定性系數(shù)(R2)。MAE、MSE和MAPE用于評估真實值和預(yù)測值的差異，它們是回歸任務(wù)中最常用的性能指標，值越小代表預(yù)測越準確。R2用于評估模型的解釋度，值越大模型解釋性越強。各指標計算公式分別為:

(6)

(7)

(8)

(9)

4 可視化設(shè)計

基于需求，文中設(shè)計了基于生活習(xí)慣的糖尿病病情預(yù)測與可視分析系統(tǒng)。通過多個視圖可視化糖尿病病情的演變與預(yù)測信息。利用不同視圖之間的交互分析生活習(xí)慣與糖尿病病情衍變的關(guān)系，同時利用了隨機森林、GBDT、線性回歸等多種機器學(xué)習(xí)模型預(yù)測患者血糖變化，并對各模型的預(yù)測效果進行比較。

該系統(tǒng)主要包括糖尿病人群的血糖衍變圖、生活習(xí)慣分布圖與預(yù)測模型的預(yù)測效果對比圖，以下將各個視圖的可視化設(shè)計細節(jié)做進一步闡述。

4.1 糖尿病人群的血糖演變圖

中華醫(yī)學(xué)會糖尿病學(xué)分會[21]中指出，糖尿病患者的空腹血糖參考值為：輕度糖尿?。?.0～8.4 mmol/l，中度糖尿?。?.4～11.1 mmol/l，重度糖尿病：大于11.1 mmol/l。據(jù)此，文中將空腹血糖值劃分為四個等級。正常血糖值小于7.0 mmol/l。同時，以年作為糖尿病病情演變的時間單位。如圖2所示，各個節(jié)點表示那一年屬于這個血糖等級的人群。由節(jié)點的長度，分析人員可以得出這個血糖等級的數(shù)量。節(jié)點的遷移線寬度表示經(jīng)過一年的時間當前血糖等級的人群向后一年的血糖等級衍變的數(shù)量，寬度越大表示所指向的那個血糖等級節(jié)點的人群數(shù)量越多。如圖2，當選中某個節(jié)點，系統(tǒng)會默認高亮這個血糖等級節(jié)點與之相關(guān)的后一年的節(jié)點與遷移線。能夠直觀地幫助分析人員了解此血糖等級的人群經(jīng)過一年的生活習(xí)慣影響后血糖等級的變化情況。

圖2 系統(tǒng)界面概覽

4.2 生活習(xí)慣分布圖

圖2中呈現(xiàn)了生活習(xí)慣數(shù)據(jù)的分布。生活習(xí)慣數(shù)據(jù)比較分散，種類繁多。所以文中采用了不受異常值影響，能夠準確穩(wěn)定地描繪出生活習(xí)慣數(shù)據(jù)離散分布情況的箱形圖作為生活習(xí)慣分布圖。箱線圖(又稱盒須圖、箱形圖)通過繪制連續(xù)型變量的五數(shù)總括(最小值、下四分位數(shù)、中位數(shù)、上四分位數(shù)、最大值)來描述其分布。以中位數(shù)代表當前人群生活習(xí)慣。箱線圖的高度表示生活習(xí)慣數(shù)據(jù)的跨度。鑒于生活習(xí)慣指標度量單位之間的差異，標準化的處理雖是一個好方法，但在同一坐標系中視圖的可讀性很弱，所以文中采用了small-multiple chart的形式來展示不同單位之間的數(shù)據(jù)。

與血糖演變圖結(jié)合，該圖會根據(jù)用戶選擇的血糖等級顯示這部分血糖等級演變的人群的生活習(xí)慣分布。通過篩選血糖升高人群與血糖降低人群，對比這兩個人群生活習(xí)慣分布的差異。以此來了解生活習(xí)慣對于血糖升高降低的影響。

4.3 生活習(xí)慣預(yù)測

系統(tǒng)利用預(yù)測模型探究了以生活習(xí)慣數(shù)據(jù)預(yù)測糖尿病患者的血糖變化。以時間跨度內(nèi)的空腹血糖值變化值作為預(yù)測標簽，以3個基本因素(基礎(chǔ)血糖值，身高，體重)與5個生活習(xí)慣因素(吸煙，主食，日運動時間，周運動次數(shù)，飲酒)作為預(yù)測因子。數(shù)據(jù)處理后，將數(shù)據(jù)集以4∶1劃分為訓(xùn)練集與測試集。在訓(xùn)練集中分別應(yīng)用隨機森林、GBDT、線性回歸等機器模型算法建立血糖預(yù)測模型，用測試集進行模型驗證。

機器學(xué)習(xí)模型的預(yù)測效果很大一部分取決于參數(shù)的選擇，不同的參數(shù)有不同的功能，這些參數(shù)設(shè)定是否合理，對于模型的評估有著重要的影響。而超參數(shù)的調(diào)節(jié)通常取決于經(jīng)驗判斷和遍歷實驗，傳統(tǒng)方法效果欠佳且缺乏理論支持。因此文中采用過程簡單、速度快的貝葉斯優(yōu)化，得到模型最優(yōu)參數(shù)。

如圖2所示，系統(tǒng)展示利用測試數(shù)據(jù)驗證的各種分類器的預(yù)測值與真實值。以測試集的數(shù)據(jù)量為x軸，預(yù)測結(jié)果為y軸，生成各模型預(yù)測效果對比圖。此外，分析人員利用數(shù)據(jù)區(qū)域縮放對所選部分的數(shù)據(jù)細節(jié)展示，通過拖動與放大細節(jié)可以更加清楚地觀察到各個機器學(xué)習(xí)模型的預(yù)測結(jié)果。通過點擊各條折線圖就能查看各機器學(xué)習(xí)模型具體的預(yù)測值，能直觀精確地比較各種模型的預(yù)測誤差。定性地評價各模型優(yōu)劣。此外，為了能對預(yù)測模型有個定量的直觀的評價分析，圖2展示了三個預(yù)測模型不同精度評價的量化指標。利于患者直觀的根據(jù)評價指標選擇較好的預(yù)測模型。

患者糖尿病預(yù)測值的融合設(shè)計如圖2所示，系統(tǒng)提供了生活習(xí)慣數(shù)據(jù)與預(yù)測模型的交互選擇設(shè)計了一個能輸入患者生活習(xí)慣數(shù)據(jù)的交互界面，分析人員可以填入各項數(shù)據(jù)。系統(tǒng)會根據(jù)所填數(shù)據(jù)，給出患者血糖變化的預(yù)測結(jié)果。同時血糖演變圖會根據(jù)當前的生活習(xí)慣與預(yù)測血糖變化值高亮與之相匹配的血糖等級演變，讓分析人員及患者更加清楚地了解到生活習(xí)慣對于血糖的影響。

此外在圖2中，系統(tǒng)給出了與預(yù)測標簽相關(guān)的特征重要性評估。為預(yù)測因子對于預(yù)測效果的重要性做了排名。能供用戶清楚直觀地知道不同的生活習(xí)慣因素對于血糖演變的重要程度。

5 案例分析

基于文中所提出的系統(tǒng)，采用某地區(qū)的糖尿病建檔數(shù)據(jù)，提取了數(shù)據(jù)中2015年到2018年非藥物治療的糖尿病患者生活習(xí)慣數(shù)據(jù)。對數(shù)據(jù)進行過濾篩選后，選擇了3 061條數(shù)據(jù)。將空腹血糖值劃分為四個血糖等級，利用生活習(xí)慣以及預(yù)測模型來分析不同血糖等級的人群生活習(xí)慣對于血糖變化的影響。

5.1 生活習(xí)慣與血糖

系統(tǒng)通過血糖演變視圖展現(xiàn)了不同血糖等級的糖尿病人群經(jīng)過一年時間的血糖等級演變情況。從圖中知道，每個等級的人群，經(jīng)過一年生活習(xí)慣的影響，都會存在著變化。如圖3(a)選中2016年患輕度糖尿病的人群節(jié)點(記為“節(jié)點16”)可以發(fā)現(xiàn)，經(jīng)過一年的時間，輕度血糖等級的1 419人中有846人血糖值沒有發(fā)生改變或者變化不大。573人的血糖等級發(fā)生改變。而這573人中有305人的血糖等級升高了。另有268人的血糖等級降低了，圖3(a)中的餅圖表示了不同血糖變化的占比。圖3(c)展示了由2016年輕度血糖人群的血糖等級升高、不變、降低的三類人群的生活習(xí)慣分布。如圖，吸煙與飲酒的1/4位，1/2位于3/4位重疊且為最低，表明大部分血糖患者是不吸煙不飲酒。而以中位數(shù)評判，血糖降低人群的日鍛煉時間與周鍛煉次數(shù)則高于血糖升高人群。且彼此之間的差距則明顯大于吸煙飲酒之間的差異。這可能說明鍛煉相比于吸煙，飲酒更能讓糖尿病患者的血糖值發(fā)生改變。此外，圖2中對于生活習(xí)慣特征重要性的排名，鍛煉的重要性都高于吸煙與飲酒，也能對此觀點進行輔證。主食的差異不大。

如圖3(b)，選中血糖改變較多的2017年中度糖尿病的人群節(jié)點(記為“節(jié)點17”)。這個人群的血糖改變約占50%，且血糖等級變低的超過30%。結(jié)合圖3(c)與圖3(d)兩個血糖等級人群的生活習(xí)慣可以發(fā)現(xiàn)，“節(jié)點17”(圖3(d))的生活習(xí)慣數(shù)據(jù)跨度比“節(jié)點16”(圖3(c))的跨度大。這可能說明跨度越大生活習(xí)慣越不穩(wěn)定，表示血糖等級變化的可能也就越大。相反，跨度越小代表血糖等級發(fā)生變化的可能也就越小。

圖3 生活習(xí)慣與血糖交互分析

5.2 模型預(yù)測

采用最開始一年的數(shù)據(jù)。則預(yù)測標簽為2015年到2016年這一年的血糖變化值。預(yù)測因子為2015年到2016年的生活習(xí)慣數(shù)據(jù)。如圖4所示，展示了隨機森林、GBDT和線性回歸三種機器學(xué)習(xí)模型的預(yù)測結(jié)果與真實值對比。通過拖動與放大細節(jié)可以發(fā)現(xiàn)真實值的分布更離散，三種預(yù)測曲線的線性變化雖都與真實值的線性變化相似，但預(yù)測值的波動幅度沒有真實值大。原因可能在于，訓(xùn)練模型中較大值與較小值出現(xiàn)次數(shù)少，從而權(quán)重較小，導(dǎo)致模型的預(yù)測趨向于常見值。而三種模型中隨機森林模型的線性變化與真實值之間更為吻合，用戶通過點擊各條折線就能方便地查看和比較各種模型預(yù)測誤差。線性回歸差距最大。GBDT模型的預(yù)測效果和隨機森林預(yù)測誤差偏小。

圖4 預(yù)測模型效果與對比

評估三種預(yù)測模型的精度指標，如圖5所示?？梢园l(fā)現(xiàn)，隨機森林的R-squred稍大，證明GBDT與線性回歸解釋性方面不如隨機森林。隨機森林的MAE、MSE與MAPE稍小，說明隨機森林模型的預(yù)測精度較優(yōu)。

另外，通過填寫一名患者的生活習(xí)慣數(shù)據(jù)(基礎(chǔ)血糖7.2 mmoL/l、主食量400 g、身高164 cm、吸煙0根/天、飲酒0 L/d、日鍛煉時間30分鐘、周鍛煉次數(shù)4次)，選用隨機森林模型預(yù)測。系統(tǒng)給出預(yù)測結(jié)果為此生活習(xí)慣下一年后患者血糖為6.6 mmoL/l，血糖變化為降低了。

圖5 預(yù)測模型評估

經(jīng)過案例分析，可以發(fā)現(xiàn)生活方式能對血糖變化產(chǎn)生影響。不同的生活方式，影響的血糖變化不一，健康的生活方式能對血糖變化有積極的作用。針對此數(shù)據(jù)，集成模型的預(yù)測效果明顯優(yōu)于線性回歸模型。

6 結(jié)束語

文中通過可視化的方式探究了生活習(xí)慣對于糖尿病演變的影響，并通過構(gòu)建多個機器學(xué)習(xí)模型(線性回歸，隨機森林和GBDT)來預(yù)測糖尿病的血糖變化。首先，系統(tǒng)將糖尿病的血糖分為正常、輕度、中度和重度四個等級并設(shè)計了單位時間內(nèi)的血糖演變圖，并利用箱線圖展示不同血糖等級的生活習(xí)慣分布情況。結(jié)合二者，探究了在不同血糖等級的情況下生活習(xí)慣對于血糖的影響不同。健康的生活習(xí)慣對于單位時間內(nèi)的血糖降低有一定的作用。并結(jié)合由機器學(xué)習(xí)算法得出的影響血糖值變化的特征重要性，分析出了生活習(xí)慣特征對于血糖的影響效果不同。通常有效的鍛煉比飲食、吸煙和飲酒更能影響血糖的變化。可視化了各機器學(xué)習(xí)模型的預(yù)測效果，并對各預(yù)測效果進行了比較。

通過對某地區(qū)2015-2018的糖尿病隨訪數(shù)據(jù)的可視分析，表明了該系統(tǒng)具有良好的使用性和拓展性。但通過總結(jié)實際應(yīng)用中存在的問題發(fā)現(xiàn)，它仍存在著不足。文中結(jié)合可視分析，在設(shè)計中盡可能地使用簡單易用的可視化技術(shù)，但很多可視化細節(jié)仍需改進，可視化圖的信息傳遞還可以更為豐富和細膩。系統(tǒng)分析的是不同生活習(xí)慣對于血糖等級的影響，血糖演變的時間跨度也統(tǒng)一為1年。在未來工作中，將分析相同生活習(xí)慣對于不同血糖等級的影響，引入不同時間跨度分析血糖演變情況，并將其設(shè)為新的機器學(xué)習(xí)模型的特征值加入訓(xùn)練。此外，此系統(tǒng)的預(yù)測模型只考慮了三類不具有多樣性，還可以引入其他類別機器學(xué)習(xí)算法。