[发明专利]建立自闭症儿童康复效果预测模型的方法、预测自闭症儿童康复效果的方法及系统

权利要求书

1.一种建立自闭症儿童康复效果预测模型的方法，其特征在于，所述方法包含以下步骤：

步骤a：获取自闭症儿童的基本信息；

步骤b：获取自闭症儿童中残联47项指标的评估结果；

步骤c：将所述基本信息和评估结果信息矢量化为特征值；

步骤d：依据所述特征值进行机器学习，得到上述47项特征对于自闭症儿童康复效果的权重值，完成模型建立。

2.如权利要求1所述的建立自闭症儿童康复效果预测模型的方法，其特征在于，采用XGBoost作为机器学习算法。

3.如权利要求2所述的建立自闭症儿童康复效果预测模型的方法，其特征在于，所述XGBoost算法将输入的m个特征值转化为K棵树，所述模型即为每棵树的计算结果的和，其函数如下：

所述模型中有K棵树，

为第K棵树所对应的模型；

f_K为第K棵树对应函数；

x_i为第K棵树的输入数据；

Obj为该树的最终模型；

为模型训练损失函数；

Ω(f_K)为树的复杂程度。

4.如权利要求3所述的建立自闭症儿童康复效果预测模型的方法，其特征在于，为了让每棵树的输出结果都使模型最为准确，即，f(t)为每轮预测中最重要的，其函数如下所示：

…

为第i棵树的模型；

为第t棵树的模型；

则每轮预测中，都要尽量减小残差，残差的算法如下所示：

第t棵树对应模型中需要找到合适的f_t使得最终模型结果中常数以外的部分最小；

考虑方差后得：

为经上一棵树计算后所得的余数；

最后得到符合上述函数的模型，并得到各项特征值的权重值。

5.如权利要求3所述的建立自闭症儿童康复效果预测模型的方法，其特征在于，运用交叉验证技术，反复将数据集拆分为运算集和测试集，对样本进行多次模型建立，并筛选出其中结果最优的模型；所述数据集为所有儿童的30项儿童基本信息及47项特征值；

所述最优模型为根据运算集得到的模型，用测试集中的输入信息预测输出信息，其结果与测试集中的输出信息进行比对，保留正确率最高的模型；

进一步筛选最优的参数。

6.如权利要求3所述的建立自闭症儿童康复效果预测模型的方法，其特征在于，所述特征值为矢量数据。

7.一种基于权利要求1-6之任一项所述方法建立的模型，其特征在于，所述模型包括多棵代表不同特征分类的弱决策树；

所述样本根据其特征在每棵弱决策树上对应一个节点；所述节点对应着该棵决策树上的分数；

所述样本在所有决策树上的分数加和即为该样本的特征值。

8.一种非诊断目的的预测自闭症儿童康复效果的方法，其特征在于，所述方法包含以下步骤：

步骤I：获取自闭症儿童的基本信息；

步骤II：获取自闭症儿童中残联47项指标的评估结果；

步骤III：将获取的上述基本信息和评估结果信息矢量化为特征值；

步骤IV:将上述特征值输入至基于权利要求1-7之任一项所述方法建立的模型中进行运算；

步骤V:得到针对该儿童自闭症康复效果的预测。

9.如权利要求8所述的方法，其特征在于，所述步骤III为将基本信息和评估结果通过计算机后台运算得到。

10.一种预测自闭症儿童康复效果的系统，其特征在于，所述系统包含以下：

数据录入模块，负责录入自闭症儿童的基本信息和中残联47项指标的评估结果；

数据库模块，负责储存，筛选录入的自闭症儿童基本信息及中残联47项评估指标的结果；所述筛选为根据所需要获得的模型依照模型特征对数据进行筛选；

机器学习模块：负责通过XGBoost算法学习并建立自闭症儿童康复效果预测模型，获得各项自闭症儿童特征对于自闭症儿童康复效果的权重值；

预测模块，负责将录入的自闭症儿童的基本信息及中残联47项指标的评估结果代入模型中进行预测；

输出模块，其用于输出自闭症儿童的康复概率。