基于网格搜索与交叉验证的SVR血压预测
【摘要】 针对现存血压测量方法不规范、波动范围大且预测准确率低下等问题，提出一种基于网格搜索与交叉验证相结合的支持向量回归(K-SVR)的血压预测算法。该算法首先对数据进行清洗，随后利用网格搜索与交叉验证相结合的方法寻找出最优参数对，然后通过分析人体生理指标数据心率、血氧与血压之间的隐含关系来建立相应的血压预测模型，最后将预测得到的结果与另外几种比较经典的机器学习模型得到的结果进行对比，并利用准确率及均方根误差这2种指标进行评估。实验结果表明，该算法对于高压和低压的预测准确率约为71.39%、81.69%，均方根误差值约为0.5349、0.4279，均明显优于传统的机器学习算法。
