[发明专利]基于随机森林的戒毒人员戒治效果的评估方法

说明书

本发明公开一种基于随机森林的戒毒人员戒治效果的评估方法，本发明涉及戒毒领域和机器学习领域，包含目标函数和特征的选择、训练模型和评估过程；在戒毒人员多维度戒毒数据中选择一个维度YD作为目标函数，从戒毒人员多维度戒毒数据选择一组特征FD，建立训练数据集TrainSet样本集合，训练随机森林回归模型，计算得到被评估人员的YD和类似戒毒人员平均值的偏差是标准差的倍数LSS、被评估人员的YD和整体平均值的偏差是标准差的倍数GSS，综合进行评估。本发明评估方法适应性强，当制度变化，技术进步导致数据发生巨大变化之后，可以通过重新训练模型的方式快速适应变化、且精确度更高。

技术领域

本发明涉及戒毒领域和机器学习领域，尤其涉及一种基于随机森林的戒毒人员戒治效果的评估方法。

背景技术

虽然目前已经提出很多强制戒毒人员戒治效果的评估方法，但是在实际操作过程中，普遍存在操作难度较大、评估信度效度较低的问题。另外，现有的评估方法的设计均基于经验，无法快速灵活改变参数，难以适应新技术发展、信息系统和相关制度变化带来的环境变化。

现有戒毒信息系统中已经有大量的数据和戒治效果直接相关，例如计分考核数据、考试成绩、医疗检验结果和康复训练数据等；但这些数据缺乏统一标准，各地域之间差别巨大，每次制度变化和技术进步，都会导致这些数据发生巨大变化，直接从这些数据中靠人工分析方式评价戒治效果很困难，不直观，评估结果精确度严重依赖于评估人员的经验。

发明内容

为解决上述技术问题，本发明提供一种基于随机森林的戒毒人员戒治效果的评估方法，建立完全基于数据的戒治效果评估模型，排除人为主观因素，以实现通过构造数据集重新训练方式随时更新模型，能够快速灵活适应环境的变化，同时也能适应不同地域的技术、制度环境巨大的差别。

为实现上述目的，本发明提供如下技术方案：

一种基于随机森林的戒毒人员戒治效果的评估方法，包含目标函数和特征的选择、训练模型和评估过程；其中，

(1)目标函数和特征选择：

在戒毒人员多维度戒毒数据中选择一个维度YD作为目标函数，所述YD是与所述戒治效果直接相关的量化指标；

从戒毒人员多维度戒毒数据选择一组特征FD，所述FD为戒毒人员的静止属性；

(2)训练模型：

a、建立训练数据集TrainSet样本集合，其中的每一样本对应多维度戒毒数据中一个人员的数据；

b、训练随机森林回归模型RFM,从TrainSet中提取样本并放入子集ModelTrainSet中，用于随机森林训练；

c、将所述RFM中所有叶子节点放到统一的叶子节点数组lnodes中，使用RFM对人员特征向量f进行回归，计算命中叶子节点的所有TrainSet样本的均值LNMEAN数组和标准差LNSTD数组；计算TrainSet全体的目标函数值的标准差和平均值，保存到GSTD和GMEAN中；

d、保存RFM、GMEAN、GSTD、LNSTD和LNMEAN；

(3)评估过程：

a、从存储介质加载训练过程得到的RFM、GMEAN、GSTD、LNSTD和LNMEAN；

b、用随机森林回归算法根据模型RFM预测被评估人员的目标函数YD值，获得命中的RFM叶子节点，计算被评估人员的YD和类似戒毒人员平均值的偏差是标准差的倍数LSS；

c、计算被评估人员的YD和整体平均值的偏差是标准差的倍数GSS，

其公式为GSS＝(YD-GMEAN[m])/GSTD[m]；