基于机器学习的失信医疗信息预防与监测识别技术研究

针对医疗体系中对患者违约行为约束力弱、优质医疗资源浪费严重的问题。文中基于机器学习算法对失信医疗信息防御和监测机制进行了研究,设计了基于随机森林(RF)算法的失信识别模型。文中设计的随机森林算法基于CART树,使用基尼系数作为节点的判别分类标准,提升了传统决策树的收敛速度。由于随机森林算法基于集成学习的Bagging思想,可以有效避免训练过程的过拟合现象,提升了单一决策树算法的分类精度。数据测试结果表明,相较于逻辑回归、K-邻近等其他机器学习算法,该模型在分类精度上分别可以提升1.3%和1.4%,可以为社会医疗信用体系的建立与完善提供技术支撑。