[发明专利]经济效益型模型在医学数据信息上的处理系统及处理方法

说明书

本发明属于数据处理技术领域，公开了一种经济效益型模型在医学数据信息上地处理系统及处理方法，映射关系指标获取模块用于度量自变量向量空间与目标变量间映射关系的指标；以及利用自变量向量与指定向量均值的向量间的内积，得到各案例到指定空间的距离，使得各案例的多维向量降维到一维距离数值；评价模块用于评价自变量组合对这种映射关系的影响；应用非线性回归方法建立目标类别与得到的概率值的非线性回归方程。本发明减少自变量的数量，降低使用模型的使用成本；减小模型的复杂度，扩展模型的应用范围和场景；提高模型建模的速度和模型预测时的计算速度，减少响应时间；挖掘出那些对目标变量具有影响的因素变量，为构建知识图谱奠定基础。

技术领域

本发明属于数据处理技术领域，尤其涉及一种经济效益型模型在医学数据信息上的处理系统及处理方法。

背景技术

目前，大数据一个重要的特征是价值，如何衡量一个数据集的价值是开展大数据人工智能探索的先决条件。目前，在世界范围内对于衡量大数据价值的研究与探索还鲜有报道。

一般情况下，机器学习过程要进行调参等操作，需要有经验的机器学习专家的参与，占用专家的时间与问题的复杂程度、数据集特征表达程度成正比，同时还需要占用一定时长的高性能计算力。显然，完成一个高价值的人工智能项目的效率并不高。

通过上述分析，现有技术存在的问题及缺陷为：

现有技术中，在医学预测上，现有地预测模型成本高；预测精度低；

人工智能效率不高。

发明内容

针对现有技术存在的问题，本发明提供了一种经济效益型模型在医学数据信息上的处理系统及处理方法。

本发明是这样实现的，一种经济效益型模型在医学数据信息上的处理系统，应用于计算机终端，所述经济效益型模型在医学数据信息上的处理系统包括：

映射关系指标获取模块，用于度量自变量向量空间与目标变量间映射关系的指标；以及利用自变量向量与指定向量均值的向量间的内积，得到各案例到指定空间的距离，使得各案例的多维向量降维到一维距离数值；主要应用于各案例向量到指定向量间关系的测量场景；其功能为案例向量投影到指定向量空间的大小度量。

评价模块，用于评价自变量组合对这种映射关系的影响；还用于应用非线性回归方法建立目标类别与得到的概率值的非线性回归方程。

所述评价模块主要用于反映自变量组合下，其综合投影到目标类别的有效性；其功能为鉴别各自变量对目标类别投影有效性的相对贡献大小。

进一步，所述映射关系指标获取模块包括：

指定向量模块，用于定义目标变量的阳性案例的各自变量的均值组成的指定向量；

内积计算模块，用于计算自变量向量与指定向量间的内积；

概率值计算模块，用于将计算得到的内积经标准化处理后，再计算各值的logistics分布的概率值；

映射关系建立模块，用于计算出的概率值和目标变量间建立的映射关系。

进一步，所述评价模块包括：

基准回归系数获取模块，用于计算所有自变量组合下的回归系数，得到基准回归系数；

组合的回归系数计算模块，用于计算任一个自变量缺乏下的组合的回归系数；

减少的自变量获取模块，用于以基准回归系数为阈值，找出回归系数减少的自变量；

新自变量向量获取模块，用于以找出的具作用的所述减少的自变量构成新自变量向量。