[发明专利]预测患糖尿病几率的方法、装置、计算机设备及存储介质

权利要求书

1.一种预测患糖尿病几率的方法，其特征在于，包括：

获取待检测用户的用户信息以及体检指标数据，所述用户信息包括多个维度的特征对应的用户数据；

将所述体检指标数据输入到预先训练得到的患病几率检测模型中，所述患病几率检测模型为GBDT模型根据用户的多个维度的特征对糖尿病患病几率的影响程度排序进行迭代训练后得到的；

获取所述患病几率检测模型基于所述体检指标数据输出的所述待检测用户的糖尿病患病几率；

所述将所述体检指标数据输入到预先训练得到的患病几率检测模型中的步骤之前，包括：

将所述体检指标数据组成的训练样本输入到指定参数组数值的GBDT模型中，根据多个维度的特征的特征排序进行迭代式的模型训练，其中特征排序根据多个维度的特征对预测患糖尿病的重要性进行排序得到；

判断是否达到终止迭代训练的预设条件；

若达到预设条件，则根据特征集中的各特征分别对应的预测糖尿病几率，得到预测糖尿病的预测模型，其中特征集为达到终止迭代训练的预设条件所需的各特征组成的集合；

所述判断是否达到终止迭代训练的预设条件的步骤，包括：

判断根据第一特征排序进行第一迭代是否达到预设训练精度；

若达到预设训练精度，则终止所述第一迭代，并输出所述第一迭代对应的第一特征集以及第一错误分类样本；

判断根据所述第一特征集进行样本划分的正确率是否达到预设值；

若达到预设值，则判定达到终止迭代训练的预设条件；

所述判断根据所述第一特征集进行样本划分的正确率是否达到预设值的步骤之后，包括：

若未达到预设值，将所述第一错误分类样本再次输入到所述GBDT模型中，根据第二特征排序进行第二迭代的模型训练；

判断所述第二迭代是否达到预设训练精度；

若达到预设训练精度，则终止所述第二迭代，并输出所述第二迭代对应的第二特征集以及第二错误分类样本；

判断根据所述第二特征集进行样本划分的正确率是否达到预设值；

若达到预设值，则判定达到终止迭代训练的预设条件。

2.根据权利要求1所述的预测患糖尿病几率的方法，其特征在于，所述根据所述特征集中的各特征分别对应的预测糖尿病几率，得到预测糖尿病的预测模型的步骤，包括：

汇总所述第一特征集、第二特征集，以及所述第一特征集和第二特征集中的各特征分别对应的各预测糖尿病几率；

通过计算各预测糖尿病几率的平均值，得到所述预测模型中计算患糖尿病的几率的预测方式。

3.根据权利要求1所述的预测患糖尿病几率的方法，其特征在于，所述将所述体检指标数据组成的训练样本输入到指定参数组数值的GBDT模型中，根据多个维度的特征的特征排序进行迭代式的模型训练的步骤，包括:

获取以指定比例正负样本的体检指标数据组成的样本数据；

将所述样本数据分别按照一行指定特征信息、一行患糖尿病的状况标签的形式进行排列分布，得到预处理的体检指标数据的训练样本；

分别计算所述体检指标数据中各所述指定特征对于患糖尿病的相关系数；

按照各所述相关系数对各所述指定特征进行降序排列得到所述特征排序；

将所述预处理的体检指标数据的训练样本输入到指定参数组数值的GBDT模型中，根据所述特征排序进行迭代式的模型训练。

4.根据权利要求3所述的预测患糖尿病几率的方法，其特征在于，所述分别计算所述体检指标数据中各所述指定特征对于患糖尿病的相关系数的步骤，包括：

在所述样本数据中分别查询各样本是否存在指定特征；

若不存在，则标记为缺失所述指定特征的第一样本；

若存在，则标记为第二样本，并纳入相关系数计算集合，以获取各所述第二样本分别对应所述指定特征的患糖尿病的第一相关系数；

获取所有所述第一相关系数的中位数；

将所述中位数设定为各所述第一样本分别对应所述指定特征的患糖尿病的相关系数。