Bagging算法驅動的心血管疾病預測模型及智能床墊應用

摘要：目前，機器學習在疾病預測領域的應用日益廣泛。文章介紹了SVM（支持向量機）、CART（分類與回歸樹）決策樹、KNN （K近鄰）3種機器學習算法，并將這3種算法構建的模型應用于心血管疾病（CVD）的預測中。結果表明，SVM模型表現最優。此外，為進一步提高模型的性能和魯棒性，在這3個基模型中均融合了Bagging算法。研究結果顯示，3個模型的性能均得到了不同程度的提升，其中CART決策樹模型的性能提升最為顯著，但SVM模型仍然保持最佳表現。利用機器學習技術對CVD進行有效預測的方法可應用于智能床墊上，通過監測和分析用戶的生理數據，智能化地評估心血管疾病風險，為實現便捷的智能健康管理提供了一種有效途徑，對CVD的預防和診斷具有重要價值。

關鍵詞：Bagging算法；疾病預測模型；機器學習；心血管疾病；智能床墊

中圖分類號：TP391" " "文獻標識碼：A" " "文章編號：1674-0688（2024）11-0020-04

0 引言

心血管疾病（CVD）是影響各年齡段人群的心臟疾病之一，是全球死亡的主要原因。世界心臟病聯盟報告，全球每年因心血管疾病死亡的人數高達2 050萬，約占全球死亡總人數的1/3［1］。在中國，心血管病的患病人數已達3.3億［2］。隨著智能家居和物聯網（IoT）技術的迅猛發展，智能床墊等家居產品作為數據驅動的健康管理設備，已能夠憑借內置傳感器和云計算技術，連續、無縫地收集用戶的各項生理數據。心血管疾病的誘因包括過量飲酒、吸煙、高血壓、高膽固醇、不良飲食習慣和家族史等，這些因素導致的死亡可通過早期預測進行有效干預。基于機器學習的預測模型能夠處理復雜的數據并進行高效準確的分類和預測分析，挖掘數據的內在模式，從而實現對CVD的早期預測。目前，國內外眾多研究人員關注將機器學習方法應用于心血管疾病預測領域。國內方面，楊曄等［3］通過采集和分析睡眠狀態下的HRV（心率變異性）數據，利用機器學習算法構建CVD預測模型，為CVD的早期預測提供了新的思路和方法；李文夢［4］通過機器學習算法對心肌梗死并發癥數據集進行建模和預測，提出了一種基于極端隨機樹、隨機森林（ RF）和Lasso回歸的混合嵌入式特征選擇方法，以0.01作為閾值篩選出最終參與模型構建的特征。國外方面，Jinjri等［5］比較了SVM、KNN、LR （邏輯回歸）、DT（決策樹）和NB（樸素貝葉斯）5種機器學習算法在心血管疾病分類中的性能，得出SVM是預測心血管疾病最有效方法的結論；Olatunde等［6］則對比了Adaboost算法和Bagging算法在心血管疾病預測中對機器學習模型進行集成的效果，結果表明Bagging算法具有更優的集成效果。

本研究旨在利用機器學習模型預測心血管疾病，采用SVM、CART、KNN 3種機器學習算法，并結合Bagging集成方法，以提高模型的性能和魯棒性，為心血管疾病的預測和預防提供依據。將本文方法應用于智能床墊等智能家居設備上，能夠健康管理技術的創新，標志著健康管理系統的智能化升級，使其在智能家居健康設備領域得到更廣泛的應用。

1 算法原理

1.1 Bagging算法

Bagging（Bootstrap Aggregating）算法是一種集成學習方法，最初由Leo Breiman于1994年提出。該算法通過以下步驟提高模型的穩定性和預測準確性：①對原始數據集進行多次重采樣，生成多個子數據集。②針對每個重采樣得到的數據集分別訓練一個基學習器模型，從而得到多個子模型。③集成這些子模型的預測結果［7］。對于分類任務，采用以下公式對所有子模型的預測結果進行多數投票：

對于回歸任務，通過以下公式對所有子模型的預測值進行平均：

1.2 支持向量機

SVM（Support Vector Machine）是一種經典的監督學習算法，其基本原理在于尋找一個超平面，以最大化不同類別的樣本點之間的間隔，從而實現分類。SVM通過以下公式尋找最優超平面：

其中：[ω]為定義超平面方向的權重向量，它決定了超平面的朝向；[b]為超平面的偏置（或截距），用于確定超平面在特征空間中的位置。

SVM的約束條件為

其中：[ω?xi+b]是分類超平面，用于最大化分類間隔的約束，確保樣本點被正確分類。SVM通過拉格朗日乘子法或序列最小優化（SMO）等算法求解優化問題，從而得到最優[ω]和[b]。對于新樣本[x]，SVM根據其相對于超平面的距離進行分類：

1.3 CART決策樹

CART（Classification and Regression Tree）是決策樹算法的一種具體實現，由Breiman等人于1984年提出。CART算法采用基尼指數（Gini）作為選擇最佳劃分特征的準則，基尼指數的公式如下：

其中：[pi]表示第[i]類在數據集[D]中的概率，[C]為類別的數量。基尼指數越小，則數據集的純度越高。CART算法選擇基尼指數最小的特征作為當前節點的最優劃分特征。

1.4 KNN算法

KNN（K-Nearest Neighbors）算法的基本原理如下：找到待分類樣本訓練集中與其最近的K個樣本，從而確定該樣本的分類結果。首先，計算待分類樣本與訓練集中各樣本的距離，常見的距離度量方法包括曼哈頓距離、歐式距離、閔可夫斯基距離等。其次，根據計算出的距離，選取離測試樣本最近的K個樣本作為“鄰居”。最后，對K個鄰居的標簽進行投票，將出現頻率最高的類別作為該待分類樣本的預測結果。

2 實驗方法

2.1 數據處理

本研究采用的研究數據來源于Kaggle平臺上的心血管疾病數據集，該數據集包含70 000個樣本，每個樣本具有11個特征（表1）以及1個指示心血管疾病存在與否的二元標簽。根據標簽，數據集被分為CVD組和非CVD組。由于數據集中正負樣本比例不均衡，可能會對分類器的性能產生嚴重影響［8］。為避免這一影響，對數據集進行隨機抽樣處理，確保CVD組和非CVD組各保留10 000個樣本。

2.2 模型構建

將數據集的70%作為訓練集，30%作為測試集。隨后，分別以SVM、CART、KNN算法為基礎構建預測基模型。接著，對SVM、CART、KNN模型分別融合Bagging算法，以構建改進的心血管預測模型，并對這些模型進行評估和對比。實驗流程圖見圖1。

2.3 性能指標

在醫學診斷領域，混淆矩陣是估計分類器性能最基本且直觀的方法。對于典型的二元分類問題，涉及“正類”和“負類”兩個類別，混淆矩陣包含“真陽性”（TP）、“假陰性”（FN）、“假陽性”（FP）和“真陰性”（TN）4個元素［9-10］，其對應關系見表2。本研究將CVD組定義為正類，非CVD組定義為負類。基于此計算了5個用于評估模型性能的指標：準確率（Accuracy）、靈敏度（Sensitivity）、特異性（Specificity）、精度（Precision）和F1分數（F1-score），指標計算公式如下：

3 結果與討論

以SVM、CART、KNN 3個機器學習模型作為基模型進行心血管病預測實驗，實驗結果見表3。

為提高模型性能及其泛化能力，將SVM、CART、KNN與Bagging算法相結合，得到BGSVM、BGCART、BGKNN 3個模型，結合Bagging算法的模型效果對比結果見表4；基模型與結合Bagging算法后的模型效果對比圖分別見圖2至圖4。

根據實驗結果可知，SVM、CART、KNN 3種算法中，SVM模型在Accuracy、Sensitivity、Specigicity等指標上均優于其他兩種算法，在心血管疾病預測任務中表現出較良好的性能。同時，結合Bagging算法后的3個模型的性能均有不同的程度的提升。

上述實驗結果表明，SVM模型能夠較出色地完成心血管預測任務，對于復雜的數據集表現出較優異的性能。通過引入Bagging算法，多個子集訓練的CART模型能有效減少過擬合，從而顯著提升了性能。

4 智能床墊應用

智能床墊配備了多種傳感器，能夠收集用戶的各項生理數據。這些數據通過物聯網技術傳輸至云端或本地設備，隨后由心血管疾病預測模型進行分析與預測，并輸出預測結果。一旦預測模型檢測到用戶心血管健康狀態存在異常，智能床墊將通過連接的移動應用程序或物聯網設備向用戶或其家屬發送警報，提醒其關注潛在的健康風險。搭載CVD預測模型的智能床墊框架圖見圖5。

5 結語

機器學習在疾病預測領域展現出強大的潛力和廣泛的應用前景。借助多種機器學習算法，可以從復雜的健康數據中提取重要特征，識別潛在疾病風險，為早期診斷和干預提供支持。本研究采用機器學習方法，運用SVM、CART、KNN算法構建了CVD預測模型，并結合Bagging算法提升了模型預測效果，能夠輔助監測CVD患病風險。本研究將模型嵌入到智能床墊中，使CVD的早期篩查和干預更便捷和高效。從長遠角度看，基于Bagging集成模型的心血管疾病預測系統，通過智能床墊這一載體，不僅實現了心血管疾病的早期風險評估，還推動了數據驅動的健康管理模式的應用，為疾病預防和健康促進提供了重要支持，標志著數據驅動健康管理模式的一次重要創新。未來，隨著數據采集技術、邊緣計算和工業自動化控制技術的不斷發展，智能家居產品將成為物聯網健康管理系統的核心節點，為用戶提供更精準、實時的健康反饋和個性化干預，顯著提升智能家居在個人健康領域的價值和影響力。

6 參考文獻

［1］MURRAY C J L.World heart report 2023［J］.Nature Medicine，2022，28（10）：2019-2026.

［2］劉明波，何新葉，楊曉紅，等.《中國心血管健康與疾病報告2023》要點解讀［J］.中國心血管雜志，2024，29（4）：305-324.

［3］楊曄，燕雪雅，侯鳳貞，等.基于睡眠心率變異性的心血管疾病預測研究［J］.生物醫學工程學雜志，2021，38（2）：249-256.

［4］李文夢.基于機器學習的心肌梗塞并發癥預測［D］.武漢：華中科技大學，2022.

［5］JINJRI W M，KEIKHOSROKIANI P，ABDULLAH N L.Machine learning algorithms for the classification of cardiovascular disease-a comparative study［C］//2021 International Conference on Information Technology（ICIT），Amman，Jordan：IEEE，2021：132-138.

［6］OLATUNDE Y，OMOTOSHO L，AKANBI C.Comparison of adaboost and bagging ensemble method for prediction of heart disease［J］.Heart，2019，50：17.

［7］車翔玖，于英杰，劉全樂.增強Bagging集成學習及多目標檢測算法［J］.吉林大學學報（工學版），2022，52（12）：2916-2923.

［8］CHAWLA N V，JAPKOWICZ N，KOTCZ A.Editorial：special issue on learning from imbalanced data sets［J］.ACM SIGKDD Explorations Newsletter，2004，6（1）：1-6.

［9］SOKOLOVA M，LAPALME G.A systematic analysis of performance" measures" "for" "classification tasks［J］.Information Processing amp; Management，2009，45（4）：427-437.

［10］LUQUE A，CARRASCO A，MARTíN A，et al.The impact of class imbalance in classification performance metrics based on the binary confusion matrix［J］.Pattern Recognition，2019，91：216-231.