arXiv cs.CL· Sabah Nushra, Shovan Samanta Turzo, Moinul Hossain, Md Kishor Morol·· 10 小时前AI 评分18
孟加拉语症状疾病预测的泄漏控制结构保持增强与模板感知评估
Leakage-Controlled Structure-Preserving Augmentation and Template-Aware Evaluation for Bangla Symptom-Based Disease Prediction
AI 导读
研究在含 725 个独特档案、85 种疾病和 172 个二值症状的孟加拉语症状疾病预测基准上，测试仅用训练集的不对称 Bernoulli 扰动增强效果。XGBoost、LightGBM 和 CatBoost 分别提升 18.10、28.45 和 10.09 个百分点，而 Bernoulli Naive Bayes 的最高平均准确率 97.50% 在 Holm 校正后不显著。
正文 · AI 翻译
摘要：基于孟加拉语症状的疾病预测通常在一个小型、不平衡的结构化基准上进行评估，该基准包含许多仅相差一两个症状的档案。我们测试仅使用训练集的不对称伯努利扰动是否能改善分类，使用涵盖 85 种疾病和 172 个二元症状的 725 个唯一档案。实验使用十次重复的真实档案留出法和父组分组内部交叉验证。2 x 2 设计将增强与超参数调优分开，并以精确复制、随机过采样、类别加权和 SMOTEN 作为平衡对照。对于伯努利朴素贝叶斯（BNB），相对于调优后的原始训练的增益未能通过 Holm 校正，尽管 BNB 达到了最高的平均准确率（97.50%）。提升树模型获益显著：XGBoost、LightGBM 和 CatBoost 分别提高了 18.10、28.45 和 10.09 个百分点。汉明距离审计显示，91.0% 的标准留出档案与训练数据的症状位差在一个比特以内。在同疾病 1 比特清除挑战中准确率下降；尽管如此，XGBoost 和 LightGBM 仍保持较大的增强增益。我们还评估了对缺失和虚假症状的鲁棒性以及 BNB 解释的忠实度。总体而言，伯努利扰动对某些模型家族有用，但基准准确率应与模板接近度一起解读。
| 评论： | 6 页，5 幅图，5 张表 |
| 主题： | 机器学习（cs.LG）；计算与语言（cs.CL） |
| 引用为： | arXiv:2610.41733 [cs.LG] |
| （或 arXiv:2610.41733v1 [cs.LG] 为此版本） | |
| https://doi.org/10.48550/arXiv.2610.41733 由 DataCite 颁发的 arXiv DOI（待注册） |
提交历史
来自：Sabah Nushra [查看电子邮件]
[v1]
2026 年 10 月 30 日星期五 13:42:56 UTC（65 KB）
来源：arXiv cs.CL · arxiv.org