基于三种预测模型构建医学生超重肥胖风险因素分析

摘要

目的 构建logistic回归、随机森林和SVM模型预测医学生超重肥胖发生的影响因素，并对模型性能参数进行评价和比较，以获得超重肥胖风险评估预测的最优模型。方法 参与者为2020年5-12月来自河北省某市1866名医学生，通过自测问卷收集筛查其超重肥胖相关数据；利用Python分别构建logistic回归、随机森林和SVM三种风险评估模型。结果 logistic回归、随机森林和SVM模型准确度分别为96.26%、98.66%和98.13%;特异度分别为99.77%、100%和99.08%;F₁值分别为0.85、0.95和0.93,随机森林为最优预测模型。随机森林模型结果显示，主观幸福感、负性事件以及学生经济状况在模型中预测权重值均超过10%。结论 主观幸福感水平、负性事件次数以及学生经济状况等为影响医学生超重肥胖发生率的主要因素；随机森林模型的预测效果较logistic回归和SVM更优。

关键词

医学生 / 超重肥胖 / logistic回归 / 随机森林 / 支持向量机