基于XGBoost算法的新冠病毒拉曼光谱感染诊断

新型冠状病毒的出现给全球经济、公共安全等方面带来严重损失,快速且准确地诊断新冠病毒对控制疫情爆发尤为重要。将机器学习与拉曼光谱技术结合,选取157份(包含确诊和健康)血清样品对应的拉曼光谱数据作为样本。首先使用Min-max方法对样本数据归一化、Savitzky-Golay方法对光谱平滑滤波和线性判别分析方法LDA对光谱数据降维处理后,分别使用XGBoost、K近邻、支持向量机、逻辑回归算法构建预测模型。实验结果表明,相比三种传统的机器学习算法,基于集成算法XGBoost所构建的模型,对人类是否感染新型冠状病毒具有最高的预测准确率,且准确率达到95.6%,为生物医学检测新冠病毒提供一种无损辅助的方法。