[发明专利]一种深肌层浸润数据预测方法及系统

权利要求书

1.一种深肌层浸润数据预测方法，其特征在于，包括以下步骤：

步骤S1、获取深肌层浸润数据集和深肌层非浸润数据集来形成样本数据，并将所获取的样本数据进行缺失值处理之后作为原始样本数据；

步骤S2、取出所述原始样本数据的特征值和预测值，并选择预设的Borderline-Smote模型，对所述原始样本数据进行不平衡数据处理；

步骤S3、将不平衡数据处理得到的样本数据与所述原始样本数据进行混合，得到一个新样本数据集并进行归一化处理，且进一步将归一化处理的新样本数据划分成测试集和多个训练集；

步骤S4、选取随机森林的决策树为CART类型，并分别训练每一个划分好的训练集，得到每一个训练集相对应的CART决策树模型；

步骤S5、利用特征的重要性，对每一个CART决策树模型中的所有特征均进行评估，得到每一个CART决策树模型中满足预定条件的特征集；

步骤S6、通过基尼指数的对比选出最优特征来对所有的CART决策树模型中满足所述预设条件的特征集进行分支处理，得到所有CART决策树模型经过分支处理后的决策树，并形成随机森林；其中，将选出的最优特征按照基尼指数从大到小的顺序进行剪枝排序，且所选的最优特征均是深肌层浸润数据区别于深肌层非浸润数据的关键特征；

步骤S7、获取待测试数据集，将所述待测试数据集导入到训练好的随机森林模型中，区别出所述待测试数据集为深肌层浸润数据集或深肌层非浸润数据集。

2.如权利要求1所述的深肌层浸润数据预测方法，其特征在于，在所述步骤S2中，所述选择预设的Borderline-Smote模型，对所述原始样本数据进行不平衡数据处理的具体步骤包括：

第一步、获取整个数据集，记为训练集T；其中，深肌层浸润数据集记为P，深肌层非浸润数据集记为N；其中，P＝{p₁，p₂，...p_pnum}，N＝{n₁，n₂，...,n_nnum}；pnum和nnum分别是深肌层浸润数据集和深肌层非浸润数据集各自对应的数量；

第二步、对于深肌层浸润数据集P中的每一个样本p_i(i＝1,2,...,pnum)，计算出整个训练集T中它的m个近邻；其中，m个近邻中深肌层非浸润数据集N的个数用m′(0≤m′≤m)表示；

第三步、如果m′＝m，则样本p_i被认为是噪声；如果0≤m′≤m/2，则样本p_i被认为是安全数据集T_safe；如果m/2≤m′≤m，则样本p_i被认为是错误类别样本，并把样本p_i放到危险数据集T_danger中；

第四步、设置危险数据集T_danger且并对危险数据集T_danger中的每个实例样本p′_i，均计算出对应深肌层浸润数据集P中的k个近邻；其中，T_danger＝{p′₁,p′₂,...,p′_dnum}，且0≤dnum≤pnum；

第五步、对于每个实例样本p′_i，均随机从深肌层浸润数据集P中对应计算的k个近邻中选出s个，并计算出每个实例样本p′_i和对应选出的s个近邻的距离dif_j(j＝1,2...,s)，进一步用dif_j乘于一个介于0～1之间的随机数r_j，产生一个新的少数例样本synthetic_j；其中，synthetic_j的计算公式为synthetic_j＝p′_i+r_j×dif_j(j＝1,2,...s)；

第六步，重复执行第四步和第五步；其中，对于每个实例样本p′_i，均得到s×dnum个新的少数例样本synthetic。