[发明专利]数据分类的方法、装置、存储介质及电子设备

说明书

本公开涉及一种数据分类的方法、装置、存储介质及电子设备，通过获取目标事件在多个数据标签下对应的样本数据；获取预设数据筛选模型，并从该数据标签中确定预先设置的关键数据标签和非关键数据标签；从该样本数据中确定该关键数据标签对应的关键数据以及该非关键数据标签对应的非关键数据；根据该关键数据和该非关键数据通过该预设数据筛选模型从该非关键数据标签中确定与该关键数据标签相关的关联数据标签；获取预设数据分类训练模型，通过该关键数据和该关联数据标签对应的非关键数据对该预设数据分类训练模型进行训练，得到目标数据分类模型；获取该目标事件中待分类的目标数据，将该目标数据作为该目标数据分类模型的输入，得到分类结果。

技术领域

本公开涉及数据分类领域，具体地，涉及一种数据分类的方法、装置、存储介质及电子设备。

背景技术

目前医学上对于患者身体状况的判断多是基于对各种身体状况指标数据的分析，例如性别、年龄、血红蛋白、微量元素等指标数据，通常情况下，对于与患者相关的目标事件(例如，肾脏病患者在完成本次透析之后，对于该患者本次透析时机的评价事件)的评价多是基于对患者身体状况指标数据的临床观察性研究和医护人员的经验判断，但由于不同患者身体状况各不相同，对应的指标数据也较多，单纯仅通过临床观察和经验判断对目标事件进行评价不仅效率较低，而且准确度也有待提高。

发明内容

本公开的目的是提供一种数据分类的方法、装置、存储介质及电子设备。

第一方面，提供一种数据分类的方法，所述方法包括：获取目标事件在多个数据标签下对应的样本数据；获取预设数据筛选模型，从所述数据标签中确定预先设置的关键数据标签和非关键数据标签，并从所述样本数据中确定所述关键数据标签对应的关键数据以及所述非关键数据标签对应的非关键数据；根据所述关键数据和所述非关键数据通过所述预设数据筛选模型从所述非关键数据标签中确定与所述关键数据标签相关的关联数据标签；获取预设数据分类训练模型，通过所述关键数据和所述关联数据标签对应的非关键数据对所述预设数据分类训练模型进行训练，得到目标数据分类模型；获取所述目标事件中待分类的目标数据，将所述目标数据作为所述目标数据分类模型的输入，得到分类结果。

可选地，所述根据所述关键数据和所述非关键数据通过所述预设数据筛选模型从所述非关键数据标签中确定与所述关键数据标签相关的关联数据标签包括：对所述非关键数据标签进行排列组合处理，得到多个非关键数据标签集，其中，不同的所述非关键数据标签集对应不同的排列组合结果；将所述关键数据标签分别与每个所述非关键数据标签集组合，得到多个数据标签集组；依次将每个数据标签集组中，关键数据标签对应的关键数据和非关健数据标签对应的非关健数据作为预设数据筛选模型的输入，得到输出结果；根据所述输出结果确定每个所述数据标签集组对应的分类正确率；从全部所述数据标签集组中，确定分类正确率最高的目标标签集组，并将所述目标标签集组中的非关键数据标签，确定为所述关联数据标签。

可选地，所述根据输出结果确定每个所述数据标签集组对应的分类正确率包括：获取每个所述数据标签集组对应期望输出结果；根据所述输出结果和所述期望输出结果得到所述分类正确率。

可选地，所述目标数据分类模型包括：

其中，x₁,x₂,...x_n表示所述目标数据分类模型的输入变量，x_i表示第i个数据，Y表示所述目标分类模型的输出变量，b_i、c_i、p_i、a₀表示所述目标数据分类模型的参数，i包括从1到n中的任意一个。