[发明专利]增强的集成模型多样性和学习

说明书

用于由处理器实现增强的集成模型多样性和学习的实施例。可通过将少数类的数据点的一个或多个集群与多数类的所选数据点进行组合来创建一个或多个数据集合。可使用受监督机器学习操作从一个或多个数据集合创建一个或多个集成模型。可使用一个或多个集成模型来预测事件的发生。

发明背景

技术领域

本发明总体上涉及计算系统，并且更具体地涉及用于由处理器使用非监督机器学习来增强监督集成模型的不同实施例。

背景技术

在当今社会中，与技术的进步相结合的各种医疗进步已经使得各种各样的随附益处成为可能，诸如患者的计算机化监测、或者表示患者的健康记录的数据的存储或组织。随着计算机、处理器、存储设备和移动计算平台遍及社会的各方面的激增，为了患者、健康专家和其他人的利益，额外的机会继续在卫生保健领域中体现其作用。

发明内容

提供了用于由处理器实现增强的集成模型多样性和学习的不同实施例。在一个实施例中，仅通过示例的方式，提供了一种用于由处理器实现增强的集成模型多样性和学习的方法。可通过将少数类的数据点的一个或多个集群与多数类的所选数据点进行组合来创建一个或多个数据集合。可使用受监督机器学习操作从一个或多个数据集创建一个或多个集成模型。可使用一个或多个集成模型来预测事件的发生。

附图说明

为了容易理解本发明的优点，将通过参考在附图中示出的具体实施例呈现以上简要描述的本发明的更具体的描述。应理解，这些附图仅描绘了本发明的典型实施例，并且因此不被认为是对其范围的限制，将通过使用附图用另外的具体性和细节来描述和解释本发明，在附图中：

图1是描述根据本发明实施例的示例性计算节点的框图；

图2是示出根据本发明的实施例的示范性云计算环境的附加框图；

图3是描述根据本发明实施例的抽象模型层的附加框图；

图4是描绘根据本发明的方面起作用的不同用户硬件和计算组件的图；

图5是描绘根据本发明的方面的用于整体学习和多样性的操作的图；

图6是描绘了根据本发明的各方面的多样性增强集成模型学习的操作的图；

图7是描绘根据本发明的方面的用于使用集成模型的标签预测的操作的图；并且

图8是可实现本发明的各个方面的用于由处理器实现增强的集成模型多样性和学习的示范性方法的流程图。

附图详细说明

许多患者患有需要持续管理和注意的各种疾病，如糖尿病(“糖尿病”)。糖尿病是由于胰腺不能产生足够的胰岛素或身体的细胞不能适当地响应所产生的胰岛素。糖尿病的管理集中在保持血糖水平接近正常，而不引起低血糖/糖(“低血糖”)。通常，为了避免低血糖，糖尿病患者维持异常高的血糖水平以提供针对低血糖水平的“缓冲液”。这种恒定的高血糖水平是糖尿病的大多数长期并发症(即视网膜病、神经病、肾病和心血管疾病)的根本原因。例如，血糖监测设备目前可用于提供实时连续血糖监测，该血糖监测在检测到低血糖病症时警告患者。然而，需要计算系统来在检测患者的低血糖状况之前准确地预测低血糖状况。

在一个方面，所示实施例的机制采用人工智能(诸如机器学习)以允许计算机基于大量经验数据来模拟人类的智能和选择。机器学习可以捕获感兴趣的特性，诸如糖尿病及其潜在的概率分布，并且训练数据集可以用于训练机器学习模型。模型或规则集可被构建并用于基于多个特征的值来预测结果。机器学习可使用通常针对每一记录包括一组特征中的每一者的值和结果的数据集。根据该数据集，开发了用于预测结果的模型或规则集。