[发明专利]基于特征碰撞的预判方法、装置、设备及可读存储介质

说明书

本发明提供了一种基于特征碰撞的预判方法、装置、设备及可读存储介质，包括：获取多个样本，对其进行特征提取，并根据分析目标形成特征集合；确定每次在特征集合中提取的特征的数量k，提取k个特征，并根据k个特征形成第一特征分支；将选取的k个特征放回特征集合，再重新在特征集合选取k个特征，判断重新选取的k个特征是否与之前选取的特征相同，若是累计第一特征分支的数量，若否建立根据重新选取的k个特征形成第二特征分支，重复预设次数之后，形成分支群，确定分支群中的多个关键特征；采用关键特征对用户信息进行特征锚射匹配，根据匹配数据生成用户的预判结果。改善了现有的预判方式中，单一维度误差波动性大、且抗噪能力低的问题。

技术领域

本发明涉及数据分析领域，特别涉及一种基于特征碰撞的预判方法、装置、设备及可读存储介质。

背景技术

在现有的一些医疗系统中，会对历史患者病历档案的信息进行处理，例如，对历史患者病历进行特征提取，可以通过收集到患者的资料与历史患者病历的特征进行分析对比，预判出患者的身体状况。

然而，在现有技术中，对特征提取之后，每一个特征的分支之间没有交集，导致分支结果容易片面，也就是陷入单一的线性规律，单一规律受数据波动性影响较大容易导致误判，使得预判的结果容易误导患者或医护人员。

有鉴于此，提出本申请。

发明内容

本发明公开了一种基于特征碰撞的预判方法、装置、设备及可读存储介质，旨在改善现有的预判方式中，单一维度误差波动性大、且抗噪能力低的问题。

本发明第一实施例提供了一种基于特征碰撞的预判方法，包括：

获取多个样本，对多个所述样本进行特征提取，并根据分析目标形成特征集合；

确定每次在所述特征集合中提取的特征的数量k，在所述特征集合中选取k个特征，并根据k个特征形成第一特征分支；

将选取的所述k个特征放回所述特征集合，再重新在所述特征集合选取k个特征，判断重新选取的k个特征是否与之前选取的特征相同，若是，累计第一特征分支的数量，若否，建立根据重新选取的k个特征形成第二特征分支，在重复预设次数之后，形成分支群，确定所述分支群中的多个关键特征；

获取待预判用户的用户信息，根据多个所述关键特征对所述用户信息进行特征锚射匹配，并生成匹配数据；

根据所述匹配数据生成用户的预判结果。

优选地，所述确定每次在所述特征集合中提取k个数量的特征，具体为：

多次获取每一所述样本未被提取的非参特征，以及每一次所述非参特征对应的分类情况；

以投票的方式确定样本的分类结果；

根据所述分类结果，确定在所述非参特征的错误分支率最小的情况下，对应所述特征集合被提取的特征数量定义为k。

优选地，所述确定所述分支群中的多个关键特征，具体为：

计算所述分支群中的特征分支的初始错误分支率oui(1)；

选取所述分支群中的一个特征，随机对所述特征加入噪声干扰，再次计算所述特征分支的错误分支率oui(2)；

计算所述特征的重要性，其中，所述特征的重要性模型为：特征的重要性IMP＝∑(oui(2)-oui(1))/(分支群中的分支个数)

重复以上步骤，直至计算出所述分支群内每一所述特征的重要性；

获取特征的重要性IMP大于预设阈值多个关键特征。

优选地，所述根据所述匹配数据生成用户的预判结果，具体为：