[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

说明书

本申请涉及算法模型，揭示了预测患糖尿病几率的方法、装置、计算机设备及存储介质，其中，本申请提出一种预测患糖尿病几率的方法，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。本申请通过大数据训练模型对预测糖尿病形成可靠的预测模型，无需要求测试样本数据的测试条件，有效避开了样本检测条件对糖尿病检测结果的不良影响。

技术领域

本申请涉及到大数据领域，特别是涉及到预测患糖尿病几率的方法、装置、计算机设备及存储介质。

背景技术

糖尿病是一组以高血糖为特征的代谢性疾病。高血糖则是由于胰岛素分泌缺陷或其生物作用受损，或两者兼有引起。糖尿病时长期存在的高血糖，导致各种组织，特别是眼、肾、心脏、血管、神经的慢性损害、功能障碍。现有的检测糖尿病的方法，需要分空腹检查血糖或饱腹检查血糖，不同检测条件下，检测数据相差较大，如检查者不真实的坚守相应的检测条件，根据检测结果推断的糖尿病病症会出现较大的误差，因此，现有技术还不能很好排除糖尿病样本检测条件对检测结果的不良影响。

申请内容

本申请的主要目的为提供一种预测患糖尿病几率的方法，旨在解决现有糖尿病测试条件苛刻，且无法排除样本检测条件对检测结果的不良影响的技术问题。

本申请提出一种预测患糖尿病几率的方法，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。

优选地，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。

优选地，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。

优选地，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；