Mary Loveless, SAS 수석 시스템 엔지니어 JMP
Ruth Hummel, JMP 학술 대사, SAS
당뇨병은 만성 질환으로 미국 거주자 12 명 중 1 명에 영향을 미치며 미국에서만 연간 약 2,500 억 달러의 비용이 발생합니다. 이 연설에서 우리는 당뇨병 환자 및 병원 결과에 대한 데이터를 사용하여 당뇨병 재입 관심과 관련된 주요 요인을 파악하고 현대 모델링 기술을 사용하여 재입 원 가능성을 예측합니다. UC Irvine Machine Learning Repository에서 공개적으로 제공되는이 데이터 세트에는 130 개의 병원 및 통합 전달 네트워크에서 약 70,000 명의 환자에 대한 임상 진료 및 인구 통계 학적 정보에 대한 10 년간의 데이터 (1999-2008)가 포함되어 있습니다. 이 데이터는 Health Facts 데이터베이스 (Cerner Corporation)에서 유래되었으며 버지니아 커먼 웰스 대학 (Virginia Commonwealth University)의 임상 및 번역 연구 센터 (Center for Clinical and Translational Research)에서 공개적으로 사용하기 전에 분류 해제 및 샘플링되었습니다. 이 데이터를 사용하여 데이터 준비 도구를 설명하고 대화 형 시각화 기술을 설명하며 모델 정확도를 측정하기 위해 유효성 검사의 중요성을 논의합니다. 그런 다음 로지스틱 회귀, 부트 스트랩 포리스트 및 강화 된 나무, 신경 네트워크 및 불이익 회귀 (LASSO, 신축성 그물 및 융기)와 같은 여러 가지 탐색 적 및 예측 모델을 구축합니다. 우리는 경쟁 모델을 대화식으로 비교하고 오 분류의 위험을 평가하고 최상의 모델을 선택합니다. 마지막으로, 선택한 모델을 대화식 웹 기반 응용 프로그램으로 배포하기 위해 채점 코드를 생성합니다.
