Модель оптимизации признакового пространства в задачах регрессии на основе медицинских данных
Автор: Демин К.С., Гермашев И.В.
Журнал: Математическая физика и компьютерное моделирование @mpcm-jvolsu
Рубрика: Моделирование, информатика и управление
Статья в выпуске: 1 т.29, 2026 года.
Бесплатный доступ
В работе представлена математическая модель оптимизации признакового пространства в задачах с использованием моделей машинного обучения на основе медицинских данных. Была предложена гибридная модель, учитывающая три основных вида отбора признаков, сочетающая как оценку значимости признаков и их избыточности, так и качество работы моделей машинного обучения. Методом нахождения оптимального подмножества признаков было предложено использование генетического алгоритма. В вычислительном эксперименте, демонстрирующем эффективность предложенной модели, использовался открытый набор данных о заболеваемости раком в Соединенных Штатах Америки. Исходный набор данных содержал 26 признаков и целевую переменную, количество записей составляло 3 047. Были обучены и протестированы разные модели на полном наборе признаков, наилучшей из которых оказалась модель случайного леса со значением коэффициента детерминации 0,936 и средней абсолютной ошибки 18,92. В результате работы предложенной модели удалось оптимизировать исходный набор признаков до 5, при этом значение коэффициента детерминации составило 0,936, значение средней абсолютной ошибки 20,11. Полученная модель может использоваться как инструмент для отбора оптимального количества признаков, так и для выбора лучшей модели машинного обучения.
Математические модели, машинное обучение, интеллектуальный анализ данных, оптимизация признакового пространства, регрессия
Короткий адрес: https://sciup.org/149151433
IDR: 149151433 | УДК: 519.7 | DOI: 10.15688/mpcm.jvolsu.2026.1.3
A Model for Optimizing Feature Space in Regression Problems Based on Medical Data
The paper presents a mathematical model for optimizing feature space in tasks using machine learning models based on medical data. A hybrid model was proposed that takes into account three main types of feature selection, combining both the assessment of the significance of features and their redundancy, and the quality of machine learning models. It was proposed to use a genetic algorithm to find the optimal subset of features, since a complete search in the tasks under consideration is impossible in an adequate amount of time. An open data set on cancer incidence in the United States of America was used in a computational experiment demonstrating the effectiveness of the proposed model. The initial data set contained 26 features and a target variable, the number of records was 3.047. Different models were trained and tested on the full set of features, the best of which turned out to be a random forest model with a coefficient of determination value of 0.936. As a result of the proposed model, it was possible to optimize the initial set of features to 7, with this coefficient of determination value being 0.917. The resulting model can be used as a tool both for selecting the optimal number of features and for choosing the best machine learning model.
