Avoiding Data Leakage in Machine Learning Models for Diabetes and Hypertension Classification Using Routine Occupational Health Screening Data
本研究表明,在用于糖尿病和高血压分类的机器学习模型中包含如空腹血糖和血压等定义结局的预测变量,会导致严重的标签泄露并造成性能的人为虚高,而排除这些变量并使用常规职业筛查数据的模型,在实现中等但符合临床实际的准确度的同时,突显了年龄、BMI和心理压力等因素的预测价值。