[发明专利]基于分类器的数据处理方法、设备、存储介质及装置

权利要求书

1.一种基于分类器的数据处理方法，其特征在于，所述基于分类器的数据处理方法包括以下步骤：

获取待处理病例数据，按照数据类型从所述待处理病例数据中提取对应的目标类型数据；

按照所述数据类型对所述目标类型数据进行编码处理，获得特征数据；

获取预设费用预测模型，所述预设费用预测模型为通过对基础分类器进行训练获得；

通过所述预设费用预测模型对所述特征数据进行费用预测，获得目标预测费用。

2.如权利要求1所述的基于分类器的数据处理方法，其特征在于，所述获取待处理病例数据，按照数据类型从所述待处理病例数据中提取对应的目标类型数据之前，所述基于分类器的数据处理方法还包括：

获取多个样本数据，并对各所述样本数据设置相同的数据权重；

建立多个基础分类器，根据所述样本数据及对应的所述数据权重对各所述基础分类器进行训练，获得弱分类器及预测值；

根据所述预测值调整各所述样本数据的数据权重；

根据各所述样本数据及对应的新的数据权重对各所述弱分类器进行训练，将经过训练的弱分类器进行集成，获得预设费用预测模型。

3.如权利要求2所述的基于分类器的数据处理方法，其特征在于，所述根据所述预测值调整各所述样本数据的数据权重，包括：

获取各所述样本数据对应的样本费用真实值；

计算所述预测值与所述样本费用真实值之间的误差；

根据所述误差设置对应的数据权重调节幅度，根据所述数据权重调节幅度调整各所述样本数据的数据权重。

4.如权利要求3所述的基于分类器的数据处理方法，其特征在于，所述根据各所述样本数据及对应的新的数据权重对各所述弱分类器进行训练，将经过训练的弱分类器进行集成，获得预设费用预测模型，包括：

根据各所述样本数据及对应的新的数据权重对各所述弱分类器进行迭代训练，每次迭代选取所述误差最小对应的弱分类器作为目标分类器；

计算各所述目标分类器在最终分类器中所占的分类权重；

根据所述分类权重组合各所述目标分类器，获得预设费用预测模型。

5.如权利要求1所述的基于分类器的数据处理方法，其特征在于，所述数据类型包括二值变量及离散变量，所述目标类型数据包括二值变量的类型数据及离散变量的类型数据；

所述获取待处理病例数据，按照数据类型从所述待处理病例数据中提取对应的目标类型数据，包括：

获取待处理病例数据及预设诊断相关分组编码；

根据预设数据接口规范对所述待处理病例数据进行代码转换，获得标签结果表；

根据所述预设诊断相关分组编码，对所述标签结果表进行筛选，获得诊断相关分组编码不为空的目标数据；

按照所述数据类型从所述目标数据中提取二值变量的类型数据及离散变量的类型数据。

6.如权利要求5所述的基于分类器的数据处理方法，其特征在于，所述按照所述数据类型对所述目标类型数据进行编码处理，获得特征数据，包括：

对所述二值变量的类型数据按照预设转换规则进行转换，获得第一预设格式变量值；

对所述离散变量的类型数据进行独热编码，获得第二预设格式字段；

所述第一预设格式变量值和所述第二预设格式字段构成特征数据。

7.如权利要求1-6中任一项所述的基于分类器的数据处理方法，其特征在于，所述获取待处理病例数据，按照数据类型从所述待处理病例数据中提取对应的目标类型数据之前，所述基于分类器的数据处理方法还包括：

删除待处理病例数据中的无关字段，获得初始处理数据；

对所述初始处理数据按照预设清洗准则进行字段清洗，获得预处理数据；

所述获取待处理病例数据，按照数据类型从所述待处理病例数据中提取对应的目标类型数据，包括：

获取预处理数据，按照数据类型从所述预处理数据中提取对应的目标类型数据。