[发明专利]一种基于电子病历数据特征选择的保险定价方法

说明书

本发明属于数据处理技术领域，具体涉及一种基于电子病历数据特征选择的保险定价方法，该方法包括：获取用户的电子病历数据；将用户的电子病历数据输入到基于均匀设计的混合采样模型中，得到平衡数据集；将平衡数据集中的数据输入到特征选择模型中，得到最优的特征；根据选取的最优特征采用随机森林算法对用户的患病风险进行预测，得到用户患病风险概率；根据用户患病风险概率进行保险定价；本发明采用HSUD采样模型对用户的电子病历数据中的不平衡数据集进行处理，得到了平衡数据集，提高了数据处理准确度。

技术领域

本发明属于数据处理技术领域，具体涉及一种基于电子病历数据特征选择的保险定价方法。

背景技术

随着医疗体系的日益完善，疾病保险也应该逐渐覆盖所有疾病，特别是重大疾病和慢性疾病、例如各种癌症、遗传病、精神疾病、传染病等，这些疾病一般治疗时间长、治疗费用大。为给患者减轻经济负担，需要设立相应的疾病保险，而疾病保险的定价会对保险产生重大影响。

现有的疾病保险定价方法都为对患者的患病风险进行预测，并根据预测结果对患者的保险进行定价。专利申请号为201710877528.0的《一种基于电子病历数据驱动的妊娠期糖尿病预测方法》公开了一种基于电子病历数据驱动的妊娠期糖尿病预测方法，使用临床数据构建了关于确诊的标记数据集，并将其划分为用于模型训练和测试的2个子集。通过支持向量机、贝叶斯网络、决策树以及基于集成的混合模型进行预测，实现妊娠期糖尿病模式分类。但是上述方法中对于对于非平衡数据的机器学习是通过代价敏感性方法进行处理的；而对临床数据的非平衡性常需要通用性的采样方法来解决；同时因为该方法缺乏特征选择，直接使用全部特征进行疾病保险定价，会造成信息冗余，保险定价的信息录入过程耗时长且更复杂，因此上述方法中对于全部特征的机器学习方法不具备针对妊娠期糖尿病保险定价的数据分析和孕妇的疾病风险预测。

发明内容

为解决以上现有技术存在的问题，本发明提出了一种基于电子病历数据特征选择的保险定价方法，该方法包括：获取用户的电子病历数据，将获取的电子病历数据输入到保险定价模型中，得到该用户的保险定价结果；

采用保险定价模型对用户的电子病历数据进行处理的过程包括：

S1：将用户的电子病历数据输入到基于均匀设计的混合采样模型HSUD中，得到平衡数据集；并采用特征选择模型对平衡数据集中的特征进行选择，得到最优的特征；

S2：根据选取的最优特征采用随机森林机器学习算法进行用户患病风险预测，得到用户患病风险概率；

S3：根据用户患病风险概率进行保险定价。

优选的，采用混合采样模型对用户的不平衡电子病历数据进行特征选择处理的过程包括：

S11：初始化混合采样模型，包括设置过采样参数(P_n,P_m)、采样区域C^s以及采样次数R，采样参数设计点满足其中，Pn表示少样本采样参数，Pm表示多样本采样参数，s表示采样区域的维数；

S12：在采样区域中随机选取R组设计点，组成均匀设计点，即选取的R组设计点均匀的分布在采样区域中；设置一轮采样参数(P_1n,P_1m)；

S13：在均匀设计点中，计算每个均匀设计点的CL₂-偏差准则，并选出最优的均匀设计点；CL₂-偏差准则的计算表达式为：

其中，U^*表示最优的均匀设计点，U_R(R²)表示均匀设计点组，R表示采样次数，U表示选取的均匀设计点；

S14：根据最优的均匀设计点获取少数群体抽样的比例参数M(over)和多数类抽样的比例参数为M(under)；