[发明专利]一种基于数据深度挖掘机器学习的个性化模拟病例个体的方法

摘要

本发明提供了一种基于数据深度挖掘机器学习的个性化模拟病例个体的方法，从病例数据文件中，将特定病症的病理数据进行检索，根据性别、年龄、身高、体重、遗传病史、地区、时间节点等信息熵生成病理多维数据集作为机器学习的训练数据，病理多维数据集随着时间和病例数据的增加不断更新，在需要进行个性化病例模拟时，根据要求的个体特征信息，采用机器学习向量机算法从病理多维数据集寻找一个指定维度的分类边界，从而得出目标多维数据集，通过以上过程的反复k次进行构建多张抽样的历史表，然后通过C4.5决策树算法对每个抽样的历史表进行计算，以最多的结果作为最终的判断结果，从而得出符合要求的个体病例的病理数据，将病例数据根据时间节点动态输出，模拟出个性化的病例。

主权项

一种基于数据深度挖掘机器学习的个性化模拟病例个体的方法，在图1中，首先从病例数据文件中，将特定病症的病理数据进行检索，根据性别、年龄、身高、体重、遗传病史、地区、时间节点等信息熵生成用于机器学习算法训练数据的病理多维数据集，病理多维数据集随着时间和病例数据的增加不断更新，在需要进行个性化病例模拟时，根据要求的个体特征信息，采用机器学习向量机算法从病理多维数据集寻找一个指定维度的分类边界，从而得出目标多维数据集，通过以上过程的反复k次进行构建多张抽样的历史表，然后通过C4.5决策树算法对每个抽样的历史表进行计算，以投票最多的结果作为最终的判断结果，从而得出符合要求的带有时间维度的个体病例的病理数据，将病例数据根据时间节点动态输出，模拟出个性化的病例。