[发明专利]基于RF-LR改进算法的疾病预测方法

说明书

本发明涉及一种基于RF‑LR改进算法的疾病预测方法，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。本发明基于统计推理原理，可以在未观察到完整目标数据的情况，仅训练被破环的目标数据来进行图像修复，并且在通常情况下，可取得使用完整数据接近的图像修复性能。

技术领域

本发明属于机器学习预测分析与医疗健康技术领域，涉及一种基于RF-LR改进算法的疾病预测方法。

背景技术

随着医疗卫生领域信息化的不断发展，医疗行业每年都产生了大量的医疗诊断数据，包括居民健康信息档案、电子病历等个人医疗就诊信息。这些大量医疗诊断数据对疾病预测和控制有着非常宝贵的价值。如何从医疗大数据中挖掘出有价值信息，成为当今解决疾病辅助诊断的一种新方案，也为许多医学难题提供了新路径。针对逻辑回归算法作为线性模型，在训练时需要进行大量的特征工程，耗费大量的人力物力，随机森林算法在训练时可以估计每个属性特征的重要性，基于此算法的特征选择可以自动有效地进行特征变量的筛选，弥补了逻辑回归算法的不足，同时传统的疾病预测算法没有考虑到误诊代价的问题。

发明内容

有鉴于此，本发明的目的在于提供一种基于RF-LR改进算法的疾病预测方法，将随机森林与逻辑回归算法结合起来，用以构建疾病辅助诊断算法，以提高疾病辅助诊断的精确率。针对疾病误诊的代价问题，在RF-LR中引入代价敏感因子，在保证精确率的前提下尽量提高召回率。

为达到上述目的，本发明提供如下技术方案：

一种基于RF-LR改进算法的疾病预测方法，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，比起传统的逻辑回归以分类概率为判断标准，以代价最小化为判别标准使得模型的预测性能有明显提高。

进一步，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”。

进一步，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；