[发明专利]一种融合Bagging的XGboost慢性肾病分期预测算法在审
| 申请号： | 201810383551.9 | 申请日： | 2018-04-26 |
| 公开（公告）号： | CN108573753A | 公开（公告）日： | 2018-09-25 |
| 发明（设计）人： | 葛晓雪;李盛乐;葛胜男 | 申请（专利权）人： | 葛晓雪 |
| 主分类号： | G16H50/70 | 分类号： | G16H50/70 |
| 代理公司： | 暂无信息 | 代理人： | 暂无信息 |
| 地址： | 610041 四川省成都*** | 国省代码： | 四川;51 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种融合Bagging的XGboost慢性肾病分期预测算法，该算法在XGboost算法基础上，引入Bagging集成学习算法，通过对原始样本进行k轮集中有放回的抽取训练集，得到k个相互独立的训练集，将每个训练集通过XGboost算法学习到的弱分类器通过一定的规则，组合成一个强分类器，在规则的制定上，引入“投票”机制，即“少数服从多数”原则，每个弱分类器都具有投票权且重要性相同，弱分类器器投出最多票数的类别或者类别之一为最终类别。 | ||
| 搜索关键词： | 弱分类器 训练集 慢性肾病 预测算法 集成学习算法 强分类器 算法基础 算法学习 原始样本 融合 引入 投票 算法 抽取 制定 | ||
【主权项】：
1.本发明公开了一种融合Bagging的XGboost慢性肾病分期预测算法，该算法在XGboost算法基础上，引入Bagging集成学习算法，通过对原始样本进行k轮集中有放回的抽取训练集，得到k个相互独立的训练集，将每个训练集通过XGboost算法学习到的弱分类器通过一定的规则，组合成一个强分类器，在规则的制定上，引入“投票”机制，即“少数服从多数”原则，每个弱分类器都具有投票权，弱分类器器投出最多票数的类别或者类别之一为最终类别(所有模型的重要性相同)。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于葛晓雪，未经葛晓雪许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201810383551.9/，转载请声明来源钻瓜专利网。
