基于大数据分析的潜在高血压病预测研究

研究高血压诊断预测准确性问题,需要根据病人的生活习性、体质指数、腰臀围以及病理特征,以完成对高血压的病理预测。但在预测过程中,由于个人的体质指数和病理特征很难保证充足,往往会出现数据属性单值突变的现象,造成对高血压预测准确率不高。提出采用大数据分析的潜在高血压病预测方法。通过采集相关数据信息,然后对采集到的数据进行包括数据清理、数据转化和数据集成的预处理,根据支持向量机理论,对数据属性进行分类,建立潜在高血压病的预测模型,计算模型属性分类结果的权重,得到不同属性对高血压病影响的重要程度分级,通过与高血压病特征参数的比较,获取潜在高血压病的预测结果。实验结果表明,采用改进算法进行潜在高血压病的预测,能够有效提高预测的准确率与预测效率,为早期高血压病的检测与防治提供数据保障,进而满足医学检测的实际需求。