[发明专利]一种应用于临床数据的自动搜索机器学习系统及方法

权利要求书

1.一种应用于临床数据的自动搜索机器学习方法，其特征在于，包括如下步骤：

S1：临床参数提取，将临床参数记录在EAV文件或者EXCEL文件中；

S2：参数筛选，用MapReduce模型框架在SPARK引擎上执行枢轴，在SPARK上执行枢轴用来提取有效的临床参数；

S3：在机器内预制若干的推荐算法模型，然后建立SQL语句执行可视化查询，根据EAV文件或者EXCEL文件内容向用户展示可调用的相关算法，机器通过S4步骤自主确定推荐算法模型及推荐算法参数；机器的学习功能通过修改开源代码或是调用MLlib的java的应用程序界面来实现机器学习函数；机器通过Weka实现确定算法模型与S4步骤共同确定算法模型；

S4：调用机器学习函数，利用样本进行机器训练，输出符合要求的精度的推荐算法模型及参数，然后根据精度确定S3中推荐算法模型，再调用推荐算法中相应的推荐算法参数，并提取该模型下的精度差阈值τ；

S5：根据S3和S4中确定的算法和精确度差阈值τ生成关联表，将每个EAV文件或者EXCEL文件处理成对应的关联表，每个关联表生成时，输出界面显示第一批元组；

S6：校准提醒，机器对第一批元组进行模型精确度预估，若机器给出了比精确度差阈值τ更低的推荐算法模型精确度，则提醒用户返回S1增加临床参数的样本容量，随着步骤S6的迭代次数的增加，逐渐减小精确度差阈值τ。

2.一种应用于临床数据的自动搜索机器学习系统，其特征在于，包括：

采样模块，用于将临床参数记录在EAV文件或者EXCEL文件中；

筛选模块，用于MapReduce模型框架在SPARK引擎上执行枢轴，并在SPARK上执行枢轴用来提取有效的临床参数；

算法选择模块，算法选择模块内置有预先训练使其具有用户要求的精确度的模型机器学习函数；算法选择模块用于存储算法模型并与显示模块配合提供可视化查询，算法选择模块根据EAV文件或者EXCEL文件内容向用户展示确定调用的相关算法模型，算法选择模块提取该模型下的精确度差阈值τ；

算法执行模块，用于执行算法选择模块选定的推荐算法模型，并根据精确度差阈值τ生成关联表，将每个EAV文件或者EXCEL文件处理成对应的关联表；

显示模块，用于在每个关联表生成后，显示第一批元组；

返回提醒模块，用于对第一批元组进行模型精确度预估，若结果比精确度差阈值τ更低的模型精确度，则提醒用户在采样模块中增加临床参数的样本容量。