[发明专利]用于疾病预测的方法、装置、计算机设备和存储介质

权利要求书

1.一种疾病预测模型的构建方法，包括：

基于问卷，构建数据集；

对所述数据集进行预处理；

使用多种集成方法，训练所述数据集；

基于评估指标，采用所述多种集成方法之一构建所述疾病预测模型。

2.如权利要求1所述的方法，所述集成方法包括：

随机采样所述数据集以构建训练子集；

针对所述训练子集，分别使用支持向量机算法、朴素贝叶斯算法、逻辑回归算法，生成基学习器；

通过所述基学习器的预测概率的平均值，计算疾病的概率。

3.如权利要求1所述的方法，所述集成方法包括：

针对第一训练集，分别使用支持向量机算法、朴素贝叶斯算法，生成基学习器，其中，所述第一训练集是通过训练所述数据集获取的；

通过所述基学习器，预测验证集和第一测试集的概率标签；

获取第二训练集和第二测试集；

通过逻辑回归算法对第二训练集进行训练，获取次级学习器，通过所述次级学习器，预测所述第二测试集；

通过与所述第一测试集的真实标签进行比较，计算疾病的概率。

4.如权利要求1所述的方法，所述评估指标包括：

准确率、敏感度和AUC，其中，AUC为接受者操作特性曲线与X轴之间的面积。

5.如权利要求1所述的方法，还包括优化所述多种集成方法的参数：

计算所述多种集成方法的参数的组合；

通过准确率测试，选择所述参数；

其中，支持向量机的参数包括：

核函数类型kernal、核函数系数gamma和惩罚系数C，

逻辑回归的参数包括：

正则化项penalty和正则化系数C。

6.如权利要求1所述的方法，所述构建所述数据集包括：

删除冗余特征。

7.如权利要求1所述的方法，所述对所述数据集进行预处理包括：

根据平均值或众数，计算缺失值。

8.如权利要求1所述的方法，所述对所述数据集进行预处理包括：

对所述数据集进行标准化。

9.一种基于机器学习的疾病预测方法，包括：

基于特征的值的范围，从问卷获取异常特征，并对所述异常特征进行预处理；将预处理后的异常特征输入到通过权利要求1的方法构建的模型中；

基于所述模型，计算异常特征对应的疾病的概率。

10.如权利要求9所述的方法，还包括：

基于计算出的异常特征对应的疾病的概率，输出诊断结果。

11.一种基于机器学习的疾病预测装置，所述装置包括：

构建模块，用于基于问卷，构建数据集；

预处理模块，用于对所述数据集进行预处理；

训练模块，用于使用多种集成方法，训练所述数据集；

选择模块，用于基于评估指标，采用所述多种集成方法之一构建所述疾病预测模型。

12.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至8中任一项所述的方法的步骤。

13.一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现权利要求1至8中任一项所述的方法的步骤。