[发明专利]基于模型的费用预测方法、装置、计算机设备及存储介质

权利要求书

1.一种基于模型的费用预测方法，其特征在于，包括：

获取样本数据，基于特征提取算法，对所述样本数据进行特征提取，得到多个模型特征，其中，所述特征提取算法是过滤类算法或包裹类算法；

采用Lightgbm算法对所述多个模型特征进行入参转化，得到费用预测模型；

确定待预测数据，将所述待预测数据输入至所述费用预测模型，得到所述费用预测模型输出的预测费用；

基于所述预测费用，生成费用报告，将所述费用报告发送至接收方。

2.根据权利要求1所述的方法，其特征在于，所述获取样本数据，包括：

获取多个历史费用数据，查询所述多个历史费用数据中每个历史费用数据是否存在关联的前序费用，所述前序费用的触达时间早于其关联的历史费用数据且触达于同一患者；

提取多个存在关联的前序费用的历史费用数据作为多个候选费用数据，将所述多个候选费用数据中的异常数据过滤；

查询所述多个候选费用数据中每个候选费用数据标注的轮次标号，将所述轮次标号相同的候选费用数据划分到同一数据组，计算每个数据组的费用总数，得到多个费用总数；

基于四分位法，在所述多个费用总数中将最大费用总数和最小费用总数剔除，得到目标费用总数；

将所述目标费用总数对应的数据组包括的候选费用数据作为所述样本数据。

3.根据权利要求1所述的方法，其特征在于，所述基于特征提取算法，对所述样本数据进行特征提取，得到多个模型特征，包括：

当所述特征提取算法为过滤类算法时，按照所述样本数据包括的数据项目，对所述样本数据进行拆分，得到多个样本数据项目以及每个样本数据项目对应的项目费用；

按照所述特征提取算法，统计所述每个样本数据项目对应多个项目费用，计算所述每个样本数据项目对应的所述多个项目费用的方差，得到多个方差；

在所述多个方差中提取大于方差阈值的目标方差，将生成所述目标方差的样本数据项目作为所述多个模型特征。

4.根据权利要求1所述的方法，其特征在于，所述基于特征提取算法，对所述样本数据进行特征提取，得到多个模型特征，包括：

当所述特征提取算法为包裹类算法时，按照所述样本数据包括的数据项目，对所述样本数据进行拆分，得到多个样本数据项目以及每个样本数据项目对应的项目费用；

在所述多个样本数据项目中提取样本数据项目组成样本项目集合；

采用所述包裹类算法提取所述样本项目集合的集合特征，基于集合特征构建样本模型，将测试数据输入至所述样本模型，得到所述样本模型输出的预测结果数据；

确定所述测试数据对应的实际结果数据，计算所述实际结果数据与所述预测结果数据之间的数据偏差量；

获取所述包裹类算法指示的预设模型精度值，将所述数据偏差量与所述预设模型精度值进行比对，确定所述样本模型的评估结果；

按照所述评估结果对所述样本项目集合进行更新，并基于更新后的所述样本项目集合重新构建样本模型，对重新训练的样本模型进行评估，直至得到的评估结果指示训练的样本模型达到所述预设模型精度值，将当前样本项目集合包括的样本数据项目作为所述多个模型特征。

5.根据权利要求1所述的方法，其特征在于，所述采用Lightgbm算法对所述多个模型特征进行入参转化，得到费用预测模型，包括：

采用Lightgbm算法进行模型构建，得到多个模型参数；

在所述多个模型特征中提取训练特征集，采用所述模型参数对所述训练特征集进行入参转化，得到所述费用预测模型。