[发明专利]一种糖尿病关键特征参数获取方法

说明书

本发明公开了一种糖尿病关键特征参数获取方法，包括：对糖尿病相关原始数据进行代数组合并且进行标准化处理，得到糖尿病危险因素候选特征集；通过RReliefF算法筛选与糖尿病相关的特征，构造最大相关性特征集；通过mRMR算法剔除与糖尿病无关的冗余特征，构造最大相关最小冗余特征集；采用改进FCL因果发现方法进行因果替换，获取糖尿病关键特征集。本发明利用代数组合的方式，可以大幅增加糖尿病特征集的复杂度，便于选择出更有预测贡献度的糖尿病特征；利用RReliefF算法和mRMR算法得到最大相关最小冗余糖尿病特征集，降低了糖尿病特征集的维度；利用改进FCL算法，进行糖尿病特征之前的因果替换，得到具有更好贡献度的糖尿病特征集。

技术领域

本发明涉及特征提取技术领域，具体涉及一种糖尿病关键特征参数获取方法。

背景技术

糖尿病已成为严重影响人类健康的流行疾病，如何有效防治糖尿病成为亟待解决的问题。分析危险因素与糖尿病关系、建立糖尿病预测模型是揭示糖尿病发病病理的关键，也是糖尿病防治的有效辅助手段。现有糖尿病预测方法主要可分为回归统计和智能预测两大类。

(1)基于回归统计的糖尿病预测方法。主要有Logistic、Cox、危险因素计分、ROC等方法。其中，Logistic方法具有样本要求简单、建模便捷等优点，广泛应用于分类问题；但其适应性较差，误差较大。Cox方法不用考虑数据的生存时间分布，且能充分使用截尾数据，但其拟合精度不高，难以达到最佳的拟合效果。危险因素计分方法常与logistic方法组合使用，虽然简单易行，但需大量数据验证后才能获得满意的预测结果。ROC分析法可以将预测结果划分为多个有序分类，相比二分法具有更加广泛的适用范围。

(2)基于智能算法的糖尿病预测方法。近年来，研究者更倾向于采用机器学习和数据挖掘方法来构建糖尿病的非参数预测模型，主要分为单学习器和集成学习器两类。前者主要有基于早期神经网络、SVM、ANN、BP等糖尿病预测方法。后者主要有基于SVM和随机森林(RF)相结合的糖尿病预测方法、基于RF识别的单核苷酸多态性T2DM预测方法、基于自适应神经模糊推理的糖尿病预测方法、基于深度神经网络和logistic的中国人群妊娠糖尿病预测方法等。

回归统计预测方法通常针对特定人群、且受样本影响大，方法的适应性较差；智能预测方法易于处理高维数据和非线性问题，可不同程度提高预测分类精度，预测精度受到数据集质量的制约。但是，糖尿病的影响因素众多，如何发现糖尿病危险因素、挖掘具有预测贡献度糖尿病危险因素关键特征，对提高糖尿病预测精度至关重要。

发明内容

本发明的目的在于，提供一种糖尿病关键特征参数获取方法，其能够筛选出具有预测贡献度的关键特征，有效提高了糖尿病预测精度，并通过随机森林训练预测模型，验证了糖尿病关键特征的有效性。

为实现上述目的，本申请提出一种糖尿病关键特征参数获取方法，包括：

对糖尿病相关原始数据进行代数组合并且进行标准化处理，得到糖尿病危险因素候选特征集；

通过RReliefF算法筛选与糖尿病相关的特征，构造最大相关性特征集；

通过mRMR算法剔除与糖尿病无关的冗余特征，构造最大相关最小冗余特征集；

采用改进FCL因果发现方法进行因果替换，获取糖尿病关键特征集。

进一步的，还包括：将所述糖尿病关键特征集输入至糖尿病预测模型，利用随机森林训练所述模型，得到预测精度，验证糖尿病关键特征集有效性。

进一步的，对糖尿病相关原始数据进行代数组合并且进行标准化处理，得到危险因素候选特征集，具体为：

在现有糖尿病危险因素基础上，对糖尿病相关原始数据进行代数组合，并将组合后的数据进行Z-score标准化处理，如式(1)所示，作为糖尿病危险因素候选特征集：