论文部分内容阅读
针对现有预测方法中存在预测精度低、预测时间长及存储空间大等问题,提出一种基于格拉姆矩阵和随机森林的疾病预测方法,该方法首先从数据集中收集大量数据,其次使用格拉姆对称矩阵对采集数据进行存储和归类.然后引入随机森林二元回归和分类技术,通过二元变量相关性来衡量预测结果和数据之间的关系,并根据相关性构造决策树用于结果分类.最后,应用表决方案输出最终预测结果.实验结果表明:与其他方法相比,本文提出的方法提高了预测准确度,降低了预测的时间开销和空间复杂度.