[发明专利]一种用损失函数揭示孕期疾病和出生结局风险因素的方法

说明书

本发明提供了一种对预测变量的重要性进行研究的方法，适用于所有预测变量均为分类变量的情况。具体方案为，将其中某一预测变量移除，采用损失增加百分比来描述该预测变量的重要性。通过上述方案，可以在所有预测变量为分类变量时，对所有预测变量的重要性进行排序。

技术领域

本发明涉及及其学习领域，具体而言属于一种通过机器学习模型，对预测变量重要性进行研究的方法。

背景技术

近些年来机器学习和深度学习领域研究非常热门，而且在医学图像识别方面已经取得了非常优秀的成果。但是与出生结局预测有关的机器学习和深度学习相关研究较少。虽然传统研究已经找出孕期促甲状腺素TSH和其他影响早产等出生结局的危险因素，但未能量化这些因素对预测出生结局的重要性。Engchuan等人在健康的社会决定因素研究中，运用了连续变量的损失函数算法，他们用均方误差(mean square error)增加百分比衡量一个预测变量的重要性(Engchuan W,Dimopoulos AC,Tyrovolas S,etal.Sociodemographic Indicators of Health Status Using a Machine LearningApproach and Data from the English Longitudinal Study of Aging(ELSA).Med SciMonit 2019；25:1994-2001.)。而影响出生结局的预测变量均为分类变量，如何对这些分类变量进行其重要性研究，目前并未给出适当的解决办法。

发明内容

针对现有技术的不足之处，本发明提出了一种当预测变量为分类变量时，运用损失函数算法对各预测变量的重要性进行排序的方法。

本发明的技术方案概述如下。

一种对预测变量的重要性进行研究的方法，其特征在于，所有预测变量均为分类变量，将其中某一预测变量移除后，采用损失增加百分比来描述该预测变量的重要性；

具体步骤包括：

(1)建立机器学习模型，利用所有预测变量对结局变量进行预测；

(2)运行模型，计算包含所有预测变量的模型损失值loss_j；

(3)去掉其中一个预测变量，计算去掉该预测变量的模型损失值loss_j-1；

(4)根据公式计算得到去掉该预测变量的损失增加百分比；

(5)重复步骤(3)和(4)，计算出去掉每一个预测变量所对应的损失增加百分比，并进行从大到小排序，得到所有预测变量的重要性排序。

当所述结局变量为二分类结局变量时，包含所有预测变量的模型损失值loss_j计算公式为，

去掉一个预测变量，模型损失值loss_j-1计算公式为，

其中对数计算是以2为底，y_i是结局变量，p_i是根据所述机器学习模型计算得到的结局变量的预测概率,n是样本数量,j是预测变量的个数。

当结局变量为多分类结局变量时，包含所有预测变量的模型损失值loss_j计算公式为：

去掉一个预测变量，模型损失值loss_j-1计算公式为：

其中，对数计算是以2为底，y_i,c是结局变量，p_i,c是预测结局发生的概率,n是样本数量,c是结局变量的种类数，j是预测变量的个数。