[发明专利]一种基于机器学习技术的设备异常识别方法

权利要求书

1.一种基于机器学习技术的设备异常识别方法，其特征是，包括数据获取模块、数据处理模块、模型构建模块、异常识别模块，各个模块分别代表的内容如下，数据获取模块获取医学检验项目中的质控在控数据且数据标本类型为血清或血浆，数据处理模块利用获取的数据对数据进行进一步的清洗转换和加载，模型构建模块则利用处理后的数据进行随机森林分类模型的构建，异常识别模块使用构建好的模型进行异常数据的识别，本发明创造可以超越传统的AON质控法，在设备异常识别方面可以在临床推广应用。

2.根据权利要求1所述的一种基于机器学习技术的设备异常识别方法,其特征在于，所述数据获取模块为医学检验项目中的质控在控数据且数据标本类型为血清或血浆。

3.根据权利要求1所述的一种基于机器学习技术的设备异常识别方法，其特征在于，所述的数据处理模块中数据的离群值处理方法，采用孤立森林模型进行离群值过滤，且实际过滤异常的比例应该具体根据数据的分布情况进行合适的调整。

4.根据权利要求1所述的一种基于机器学习技术的设备异常识别方法,其特征在于，所述的模型构建模块采用非线性模型随机森林构建模型，在随机森林模型训练调优的过程中应主要调整树的深度、树的数量、及组织样本的个数。

5.根据权利要求1所述的一种基于机器学习技术的设备异常识别方法,其特征在于，所述的异常识别模块需要准备好需要进行异常数据场景的模拟，以及按照规定的数据处理逻辑进行离群值处理、数据标准化，最后加载模型进行异常的识别。