[发明专利]一种基于特征权重的LARS糖尿病预测方法

权利要求书

1.一种基于特征权重的LARS糖尿病预测系统，其特征是，该系统包括：

存储设备；

基于特征权重的LARS糖尿病预测模块(1)，其耦合至存储设备且被配置为：

计算自变量特征权重向量和原始相关度向量；

基于所述自变量特征权重向量和所述原始相关度向量，输出基于特征权重的LARS糖尿病模型的回归系数ω；

其中，包括如下步骤：

步骤1，归一化糖尿病数据集矩阵X，使糖尿病数据集不同特征的范围值映射到相同的0-1固定范围中，初始化当前评估值和当前的残差，评估值指每次迭代对真实结果的评估，初始化为0，残差为真实结果与评估值的差，计算公式1为：

y为真实结果标签向量，μ为当前评估值；

步骤2，计算协方差矩阵R

其中，θ_i为第i个特征的均值；

解特征方程其中为解特征方程的特征值，

每个特征自变量初始权重，计算公式(3)为：

计算每个特征变量与真实结果的初始相关度，计算公式(4)为：

c＝X^Ty(4)

步骤3，计算新相关度，计算公式(5)为：

C＝c^Tβ(5)

并定义C中的最大值C_max，公式(6)为：

C_max＝max{|C|}(6)

X_A为从X中取出的A指标集里的列向量，并且与y同向；

通过公式(7)和公式(8)计算X_A中向量的角平分线μ_A：

其中，1_A为k维所有元素均为1的列向量，k为A中元素个数；

步骤4，更新回归系数、当前评估值和当前残差，更新回归系数向量的计算公式9：

ω_A＝ω_A+γω_A(9)

评估值向量的计算公式10：

μ_A＝μ_A+γu_A(10)

残差向量的计算公式11：

其中γ为沿着角平分线u_A的前进步长，设a＝X^Tu_A，γ计算公式12为：

式中，min上面的加号表示只计算集合中正数的最小值，C_i，a_i分别为C，a中第i个元素，且i的取值为使得取得最小值的i；

步骤5，判断步骤4中残差的L2范数是否小于某个容忍度，若是则结束，输出回归系数；否则重复步骤3到步骤5。