（支持资料、图片参考_相关定制）_文章底部可以扫码)
基于CNN算法的流感预测(设计源文件+万字报告+讲解)（支持资料、图片参考_相关定制）_文章底部可以扫码
:流感作为种常见的高发疾病，其早期识别对于个体健康干预和公共卫生管理具有重要意义。针对流感预测中的数据规模大、样本分布不均衡等问题，本文基于梅奥诊所提供的流感、流感、过敏和新冠相关综合数据，构建了-理阶段，对原始样太进行了训练集与测试集的分区外理，并采田随机欠抽样方法解决患病与非患病样本比例失衡的问题，最终形成10058条样本的平衡数据集。随后，结合二阶聚类分析进行特征筛选，从原始的20个变量中筛选出11个最具预测价值的症状指标。在模型评估环节，采用五折交叉验证方式，并以准确率(ACC)、数感度(Sn)、特异性(Sp)、马修斯相关系数(MCC)和曲线下面积(AUROC)作为评价指标，定验结里表明，模型在避试集上的分米准确率达到0.9825，量感度为0.8931，特异性为0.9384，MCC为0.8880，AUROC为0.9487，整体表现优异，具有良好的推广性和实用性，本研究通过改进数据处理流程并构建结构优化的分类模型，为流感类疾病的智能预测提供了技术参考，也为健康数据挖。
机器学习一-基于机器学习算法的流感预测模型采用了五种机器学习及深度学习算法(决策树、卷积神经网络、SVM支持向量机、贝叶斯神经网络、XGBoost)进行对比评估，最终得出CNN效果最佳。数据来源于公开数据集(上万条)，有完整的数据处理、特征筛选、方法介绍、算法模型构建流程，测试集AUROC值达94.87%。
)