[发明专利]基于RF-LR改进算法的疾病预测方法

权利要求书

1.一种基于RF-LR改进算法的疾病预测方法，其特征在于：包括以下步骤：

S1：获取糖尿病数据集，对数据集进行预处理，包括数据集成、清洗、规约；

S2：使用随机森林算法对处理过后的糖尿病数据集进行特征选择；

S3：在逻辑回归算法中引入代价敏感因子，以代价最小化为判别标准。

2.根据权利要求1所述的基于RF-LR改进算法的疾病预测方法，其特征在于：步骤S1包括以下步骤：

S11：处理数据集中的缺失数据与异常数据，处理缺失数据是将数据集中缺少的值使用平均值进行代替；处理异常数据是根据数据集中每个变量的合理取值范围和相互关系，检查数据是否合乎要求，剔除超出正常范围、逻辑上不合理或者互相矛盾的数据；

S12：将数据集中的文本数据数值化，数据集中的部分属性列的值为文本数据，包括将性别属性值为“男”、“女”，转化为数值型数据，“男”赋值为“1”，“女”赋值为“2”。

3.根据权利要求1所述的基于RF-LR改进算法的疾病预测方法，其特征在于：步骤S2包括以下步骤：

S21：假设T＝{(x₁,y₁),(x₂,y₂),..,(x_N,y_N)}为训练样本数据集，X＝(x⁽¹⁾,x⁽²⁾,..,x⁽ⁿ⁾)∈Rⁿ为样本输入空间，y＝{c₁,c₂,…,c_L}为类别输出空间，其中表示为T中第i个样本，为属于x_i的第j个特征属性；

S22：对样本集T＝{(x₁,y₁),(x₂,y₂),..,(x_N,y_N)}作K次Bootstrap抽样产生K个自助样本集B_k和袋外样本集(OOB_k),k＝1,2,…,K，对自助样本集B_k建立元分器C_k(x),则任意样本＝x_i在组合分类器C_k(x)上的分类结果

其中，δ(.)为示性函数，当参数为真实时，δ(.)＝1，否则δ(.)＝0；C^*(x)为随机森林；

S23：计算已建立C_k(x)在相应OOB_k上的准确率acc_k；

S24：随机地改变OOB_k数据集在特征x^(j)的取值，即并计算C_k(x)的OOB_k准确率acc′_k；

S25：计算特征x^(j)(j＝1,2,…,n)的重要性度量

S26：从当前特征空间剔除不重要的特征得到新的特征子集，在新特征子集上构建随机森林，得到新特征子集对应随机森林的OOB误差率；重复这一步直到剩余两个特征，依据最小OOB误差率准则确定最终特征子空间。

4.根据权利要求1所述的基于RF-LR改进算法的疾病预测方法，其特征在于：步骤S3包括以下步骤：

将经过随机森林特征选择过后的特征输入到逻辑回归模型中进行训练，同时在逻辑回归模型中引入代价敏感因子，在保证模型精度的同时，提高召回率。