基于梯度提升回归树的症状自评量表(SCL-90)简化
Journal of Qingdao University(Natural Science Edition)(2020)
摘要
基于梯度提升回归树算法探讨适用于体检人群心理健康测评场景的动态S C L-90简化方案,利用梯度提升回归树(Gradient Boosting Regression Tree,GBRT)算法训练2982条体检中心的测评数据,建立题组模型并进行题组间与组内简化,将简化结果与真实测评结果进行对比验证.题组预测的允许误差值设为0.5时,可删减10个题组中的7个题组,预测准确率介于75.9% ~81.3%,组内题目验证的敏感度和特异度均达到80% 时,每个题组内可以从6~13个题目减少为3~7个.研究结果表明,使用梯度提升回归树算法能在保证准确率的情况下删减部分题目,得到的动态简化量表由于题量动态缩减,减少了测评时间,更适用于体检场景.
更多AI 理解论文
溯源树
样例
![](https://originalfileserver.aminer.cn/sys/aminer/pubs/mrt_preview.jpeg)
生成溯源树,研究论文发展脉络
Chat Paper
正在生成论文摘要