[发明专利]患病概率预测方法、装置、计算机设备及存储介质

权利要求书

1.患病概率预测方法，其特征在于，包括：

获取待预测的犯罪嫌疑人数据；

将待预测的犯罪嫌疑人数据输入预测模型内进行概率预测，以得到患病概率；

输出患病概率；

其中，所述预测模型是通过带有标签的犯罪嫌疑人数据训练机器学习模型所得的。

2.根据权利要求1所述的患病概率预测方法，其特征在于，所述预测模型是通过带有标签的犯罪嫌疑人数据训练机器学习模型所得的，包括：

获取机器学习模型；

构建损失函数；

获取看守所数据库内的数据，以得到初始数据；

对初始数据进行整理，以得到预训练样本；

对预训练样本进行处理，以得到带有标签的犯罪嫌疑人数据；

利用带有标签的犯罪嫌疑人数据输入机器学习模型内，以得到预测标签；

将带有标签的犯罪嫌疑人数据以及预测标签输入损失函数，以得到损失值；

判断所述损失值是否符合设定条件；

若是，则输出所述机器学习模型，以形成预测模型；

若否，则调整机器学习模型的参数，并返回所述利用带有标签的犯罪嫌疑人数据输入机器学习模型内，以得到预测标签。

3.根据权利要求2所述的患病概率预测方法，其特征在于，所述对初始数据进行整理，以得到预训练样本，包括：

对初始数据按照特征类型分类，以得到预训练样本；其中，所述特征类型包括数值类型以及文本类型。

4.根据权利要求2所述的患病概率预测方法，其特征在于，所述对预训练样本进行处理，以得到带有标签的犯罪嫌疑人数据，包括：

对预训练样本中的文本类型数据进行特征提取，以得到文本特征；

对文本特征进行统计，以得到统计值；

对预训练样本中的数值类型数据进行缺失值处理，以得到第一数据；

对第一数据进行离群值剔除，以得到第二数据；

对第二数据中的连续型数据和离散型数据进行统计分析，以得到第三数据；

对文本特征、统计值以及第三数据进行合并，以得到训练数据；

对训练数据进行拆分，以得到带标签的犯罪嫌疑人数据。

5.根据权利要求2所述的患病概率预测方法，其特征在于，所述对训练数据进行拆分，以得到带标签的犯罪嫌疑人数据，包括：

将训练数据拆分为特征数据以及标签信息，以得到带标签的犯罪嫌疑人数据。

6.根据权利要求1至5任一项所述的患病概率预测方法，其特征在于，所述输出患病概率之后，包括：

对所述患病概率进行排序，以得到排序结果；

根据排序结果挑取满足要求的犯罪嫌疑人数据，以得到预警对象；

发送预警信息至预警对象。

7.患病概率预测装置，其特征在于，包括：

待预测数据获取单元，用于获取待预测的犯罪嫌疑人数据；

预测单元，用于将待预测的犯罪嫌疑人数据输入预测模型内进行概率预测，以得到患病概率；

概率输出单元，用于输出患病概率。

8.根据权利要求7所述的患病概率预测装置，其特征在于，所述装置还包括：

训练单元，用于通过带有标签的犯罪嫌疑人数据训练机器学习模型，以得到预测模型。

9.一种计算机设备，其特征在于，所述计算机设备包括存储器及处理器，所述存储器上存储有计算机程序，所述处理器执行所述计算机程序时实现如权利要求1至6中任一项所述的方法。

10.一种存储介质，其特征在于，所述存储介质存储有计算机程序，所述计算机程序被处理器执行时可实现如权利要求1至6中任一项所述的方法。