摘要
本发明公开一种高频听力损失预测方法,包括以下步骤:S1:数据准备;S2:构建初始特征集,采用RFECV算法进行特征选择,从初始特征集中筛选出与预测高频听力损失最相关的若干关键特征;S3:构建高频听力损失预测模型;S4:对高频听力损失预测模型进行训练,利用所述步骤S2筛选出的与预测高频听力损失最相关的若干关键特征和二级训练集,并基于XGBoost模型训练高频听力损失预测模型;S5:利用二级测试集对所述步骤S4训练后的高频听力损失预测模型进行评估。所述预测方法有效克服了传统方法特征选择的主观性和模型预测性能的局限性,能够显著提升高频听力损失预测的自动化、精准化和可靠性,为高频听力损失的早期精准筛查与个性化干预提供技术支撑。
技术关键词
高频听力损失
XGBoost模型
分类器算法
超参数
网格
算术平均值
数据
训练集
特征选择
碱性磷酸酶
机器学习模型
甘油三酯
特征数
基础
乳制品
胆固醇
指标