关键词： 机器学习   预测建模   学业成绩   神经网络   招生数据  

摘要： 利用机器学习方法从招生数据中挖掘影响高校学生大一GPA的因素并构建预测模型。首先,进行了数据清洗、筛选了招生相关数据和大一GPA成绩。随后,将学生的招生信息作为特征,训练了三种机器学习模型,分别为线性回归模型、逻辑回归模型和神经网络模型。最后,对三个模型的性能进行了评估,并对神经网络模型进行了优化。研究的成果可以为高校大一GPA预测建模提供借鉴,并有助于推进学业预警、学业成绩预测和评价的实践。研究结果表明,机器学习方法可以有效地挖掘影响高校学生大一GPA的因素并构建预测模型。通过训练和比较不同的机器学习模型,研究提供了一个可行的预测模型,并对神经网络模型进行了优化,提高了其预测精度。这些成果可以为高校学业预警、学业成绩预测和评价提供有用的参考信息,对于提高学生学习效果和改善教学质量具有积极的作用。

关键词： 落后角   损失模型   代理模型   机器学习   人工神经网络  

摘要： 为了提高压气机特性预测的精度,基于机器学习方法构建预测落后角与总压损失的代理模型。以一台两级压气机为研究对象,基于多个转速工况下的流场实验数据和叶片几何参数建立了基元叶型数据库。通过灵敏度分析方法筛选出对落后角和总压损失影响最大的输入参数,分别采用高斯过程回归和人工神经网络两种机器学习算法建立落后角与总压损失模型,并引入贝叶斯优化算法搜索最佳模型超参数。对于人工神经网络面临的优化问题和泛化问题,调整模型学习率和修正参数梯度以加速收敛,同时采用正则化方法增强模型泛化能力。模型训练过程采用交叉验证策略以降低过拟合风险,并将优化后的代理模型整合到通流程序中对压气机进行特性预测验证。对比表明,低转速工况代理模型的压比特性预测误差显著低于经验模型,其中人工神经网络建模改善最明显,相比经验模型预测误差降低了0.1。通过代理模型横向对比,基于人工神经网络建立的代理模型比基于高斯过程的代理模型预测精度更高且鲁棒性更强。

关键词： 土壤有机质   总氮   连续投影算法   偏最小二乘回归   最小二乘支持向量机  

摘要： 土壤养分直接关系到作物产量与品质状况,然而传统化学方法检测存在化学试剂消耗大、耗时费力等问题,不能满足精细农业的需求。快速获取土壤养分信息是发展精细农业、绿色农业的关键,想要了解土壤肥力状况,必须先了解有机质和总氮的含量状况。许多研究表明,长波近红外光谱被广泛应用于土壤检测领域,然而短波可见/近红外光谱在土壤有机质和总氮的研究上却非常罕见。以江西省吉安市安福县和南昌市新建区的四个村庄作为研究区,根据2×2网格法采集了深度为10~30 cm的棕壤、红壤和水稻土三种最为典型的土壤样品共180份。经过研磨、风干等处理后用四分法均匀划分为两份,用于测定样品光谱信息和理化信息。将土壤样品按照2∶1(120∶60)划分为建模集和预测集。考虑到首尾端波段噪声较大,故去除325~349和1051~1075 nm波段,将350~1050 nm波段用于光谱分析。通过连续投影算法(SPA)筛选出有机质12个特征波长点,总氮11个特征波长点,考虑到土壤光谱信息与土壤理化性质之间可能存在非线性联系,建立全波段与特征波长的线性偏最小二乘回归(PLSR)模型和非线性最小二乘支持向量机(LS-SVM)模型对土壤有机质和总氮进行研究,LS-SVM模型采用两步网格搜索法优化了两个超参数γ和σ^(2)。研究结果表明:(1)土壤的光谱反射率随波长增加反射率升高,反射率曲线中460、550、580、740和900 nm处有较为明显的吸收特征。(2)从PLSR模型和LS-SVM模型结果分析可知,非线性模型LS-SVM具有更好的预测精度,分析认为土壤光谱信息与土壤理化性质之间存在一些非线性关系。(3)通过连续投影算法筛选的特征波长提高了模型精度,优化了模型运行效率。SPA-LS-SVM模型是所有模型中最优的预测模型,其中有机质模型的R_(pre)^(2)为0.8847,RMSE_(p)为0.1048,RPD为2.9450,总氮模型的R_(pre)^(2)为0.9018,RMSE_(p)为0.0104,RPD为3.1911。(4)本研究说明可见/近红外光谱能够用于测量不同类型的土壤有机质和总氮含量,并且达到较好的预测效果。可见/近红外光谱在土壤检测领域具有巨大潜力。

关键词： 急性肾损伤   非心脏手术   预测模型   机器学习   随机森林  

摘要： 目的探讨基于机器学习方法对非心脏手术后急性肾损伤(AKI)的预测价值。方法选取陆军军医大学第二附属医院自2014年6月至2022年9月收治的24611例接受非心脏手术患者为研究对象。采用随机数字表法将患者分为训练组(n=17227)与验证组(n=7384)。采用包括逻辑回归、随机森林、支持向量机、简单决策树、极端梯度提升和集成模型在内的机器学习方法训练模型。采用受试者工作特征(ROC)曲线及ROC曲线下面积(AUC)评价模型的整体性能。采用沙普利可加性特征解释法(SHAP)评估每个特征对预测结果的贡献程度。结果非心脏手术后AKI发生率为11.3%(2780/24611)。训练组与验证组患者各项一般资料比较,差异均无统计学意义(P>0.05)。集成模型预测非心脏手术后AKI的AUC为0.749,大于逻辑回归、随机森林、支持向量机、简单决策树、极端梯度提升单独预测。随机森林模型中贡献度较高的20个特征中,手术相关变量有8个,分别为麻醉时长、普通胸外科手术、骨科手术、手术中总失液量、急诊手术、手术中晶体液输注总量、手术中血液制品使用量、手术中胶体液输注总量和择期手术。结论采用机器学习方法开发的非心脏手术后AKI的预测模型可进一步加强对AKI的预防,从而优化和改善患者预后。

关键词： 系统性风险   机器学习   梯度提升树   SHAP Value  

摘要： 本文采用梯度提升树这一机器学习模型,基于美国等17个国家的25个特征变量的宏观经济数据集,构造了风险识别模型对中国的系统性风险概率进行全面解析,并通过SHAP Value解释模型,在非线性非参数模型下探索中国的风险影响因素。实证结果表明,梯度提升树模型对系统性风险的捕捉能力显著优于传统的逻辑回归模型,其能够较好地刻画中国的风险概率走势;经过SHAP Value分解可发现,信贷因素、货币因素、金融市场化因素及国内总储蓄等是主要的风险拉动因子,且均存在明显的阈值效应。

关键词： 机器学习   随机森林   反向传播神经网络   区域ZTD建模   精度评定  

摘要： 针对常用的GPT2w和UNB3m两种区域(经验)对流层天顶总延迟(ZTD)模型精度不高的问题,探讨基于机器学习方法进行区域ZTD建模的可行性。以GAMIT软件解算的美国加州13个IGS测站2021年连续31 d的ZTD数据(ZTD_GAMIT)为例,构建以经度、纬度、大地高、年积日、每日小时数、GPT2w或UNB3m经验ZTD模型估计的ZTD值(ZTD_GPT或ZTD_UNB)为输入,以ZTD_GAMIT为输出的随机森林(RF)和反向传播神经网络(BPNN)区域ZTD改进模型。实验结果表明,相较于GPT2w和UNB3m模型,两种基于机器学习方法的区域ZTD改进模型的预测精度均有所提高,能有效改善系统偏差。以ZTD_UNB为输入的BPNN和RF改进模型的预测均方根误差(RMSE)分别为15.14 mm和19.48 mm,以ZTD_GPT为输入的BPNN和RF改进模型的RMSE分别为15.32 mm和20.74 mm。BPNN模型的预测精度总体上优于RF模型,具有较高的可靠性。

关键词： 肾细胞癌   亚型分类   特征选择   机器学习  

摘要： 肾细胞癌是常见且致命的疾病,占肾癌的绝大多数。肾细胞癌是一种异质性的复杂疾病,主要由三种组织学亚型组成,存在不同的生物学和临床差异。如今,科技的发展能够得到肾细胞癌的分子亚型和生物标志物。在这项研究中,我们将三种不同的特征选择技术进行组合,即mRMR、Lasso、Boruta,利用投票法的思路从TCGA多个单组学数据集中选择最显著的特征,并将其作为基础机器学习模型的输入,用于肾细胞癌组织学亚型分类。我们评估了六种不同的分类模型,包括逻辑回归(LR)、随机森林(RF)、支持向量机(SVM)、朴素贝叶斯(NB)、k-最近邻(KNN)和XGBoost。结果表明,基于应用本文的新特征选择流程,miRNA成熟链表达RNAseq数据集提供的特征在准确性方面优于其他分类方法,在逻辑回归模型下能达到0.9779的准确率与0.9834的AUC,取得了最高性能。因此,我们改进和细化的特征选择和分类提供了诊断标志物,可能有助于提高诊断的准确性,从而帮助设计早期治疗策略,提高肾细胞癌患者的生存率。

关键词： 近视   散光   像差测量   机器学习   算法   年龄分布  

摘要： 目的探讨不同年龄近视眼和近视散光人群的低阶像差和高阶像差的分布规律。方法横断面研究。连续收集2013年1月至2017年7月于天津市眼科医院屈光手术中心进行像差检查的近视眼和近视散光人群资料,均取其右眼数据用于分析。所有受试者进行Wavescan波前像差仪、裂隙灯显微镜、主觉验光和最佳矫正视力(BCVA)检查。每例受试者检查结果数据为32项,包括受试者年龄、BCVA、低阶像差(球镜度数、柱镜度数和散光轴位)以及高阶像差(3~6阶像差的Zernike多项式系数及其均方根)。将年龄分为5个值域,其他特征分为3个值域,采用关联规则挖掘中的频繁模式增长算法进行机器学习,分别用置信度和支持度来表示年龄与不同特征关联规则的真实性和频率。结果最终纳入1507例受试者,其中男性694例,女性813例;年龄为(23.28±5.45)岁。高阶像差在年龄从低到高的人群中呈现降低的趋势,最低值出现在25~30岁人群[3阶像差均方根(低均方根的置信度为47.74%)、4阶像差均方根(低均方根的置信度为86.01%)和三叶草像差(x和y轴方向低均方根的置信度分别为56.38%和73.25%)]和30~35岁[初级球差(低像差的置信度为56.10%)和垂直彗差(像差的置信度为56.91%)],然后又随年龄段增大。顺规散光随人群年龄段增大逐渐减少,而逆规和斜轴散光则逐渐增多(顺规散光的置信度在由低到高的年龄段人群中分别为88.66%、84.71%、81.07%、79.67%和66.35%,呈降低趋势,而逆规和斜轴散光逐渐增加)。结论随着年龄的增长,人群中顺规散光减少,逆规散光增加;25~35岁人群的高阶像差最低。

关键词： 机器学习   功能性核磁共振成像   统计分析   复杂网络  

摘要： 文章通过机器学习方法对功能性核磁共振成像(fMRI)数据进行分类研究,旨在探讨精神分裂患者的差异性脑网络结构。在特征选择上,采用了复杂网络分析来度量脑网络的拓扑属性,并且以年龄为协变量通过双样本t检验构建显著差异性特征集;在分类算法上,采用粒子群优化支持向量机分类算法,在10折交叉验证下进行建模分析。结果表明精神分裂患者(SCH)组和正常被试(NC)组在全局属性和节点属性上存在显著差异,在分类模型下能够得到最佳准确率93%。

关键词： 恒星参数   恒星年龄   红团簇星   星震学   机器学习  

摘要： 为了了解银河系以及追溯其形成历史,需要对分布在银河系中的大量恒星样本进行准确的年龄预测。通过LAMOST DR5和Kepler的星震学数据交叉匹配获得的训练样本,给出了一个具有163105颗恒星年龄参数的红团簇星星表。使用核主成分分析与随机森林相结合的方法对多个恒星参数与恒星年龄之间的关系进行训练,将样本分为训练集与测试集进行模型的训练与对照验证,测试集显示所训练的模型对恒星年龄预测的绝对误差平均值为0.46 Gyr,相对误差平均值为13%。同时,还探究了核主成分分析所使用的主成分个数与模型预测性能的关系,结果发现,当主成分达到4个时,模型的预测性能开始趋于稳定。