基于Stacking集成算法的医院财务数据智能分类研究

摘要

随着数据信息的膨胀式增长，医院财务管理面临巨大挑战。为了识别医院财务数据的异常情况，研究搭建初级分类器为随机森林、支持向量机、极端梯度提升树和K近邻模型，Logistic回归为次级分类器的智能安全管理分类模型。结果表明，集成模型的分类器总性能最佳，为94.02%。与极端梯度提升树模型对比，集成模型性能提升了23%。基本收益作为明显特征，更为容易识别出医院财务数据异常。设计的模型具有较高的分类准确性和稳定性，这对于医院财务管理部门具有一定的理论意义和现实价值。

关键词

财务数据 / 异常识别 / Stacking算法 / 数据安全 / 智能分类 / 逻辑回归 / 随机森林 / 支持向量机

基金资助

北京市科技计划资助项目(Z231100007423002)