[发明专利]一种基于机器学习算法的阿尔茨海默病预测方法

说明书

本发明公开了一种基于机器学习算法的阿尔茨海默病预测方法，具体包括如下步骤：S1、获取样本数据，对各研究变量进行等级化编码及赋值；S2、通过随机采样建立包含多个决策树的随机森林预测模型；S3、将预设值输入随机森林预测模型；S4、根据随机森林预测模型的输出结果，预测阿尔茨海默病的诱因；该预测方法通过机器学习算法有助于找出阿尔茨海默病的诱因，对于有效降低阿尔茨海默病的患病率，具有重要意义。

技术领域

本发明涉及计算机技术领域，特别涉及一种基于机器学习算法的阿尔茨海默病预测方法。

背景技术

阿尔茨海默病是发生于老年和老年前期、以进行性认知功能障碍和行为损害为特征的神经系统疾病，主要表现为记忆障碍、失语、失用、失认、视空间能力损害、抽象思维和计算能力损害、人格和行为改变等，可通过药物治疗改善，目前尚不能治愈。

随着人口老龄化程度越来越高，逐渐步入老龄化社会，阿尔茨海默病患者逐年增多。作为一种中枢神经系统变性病，它有着起病隐袭、病症进行缓慢等特点，严重威胁老年人身心健康。找出阿尔茨海默病的诱因，对于有效降低阿尔茨海默病的患病率，具有重要意义。

发明内容

为解决上述问题，本发明提供了一种基于机器学习算法的阿尔茨海默病预测方法，该预测方法通过机器学习算法有助于找出阿尔茨海默病的诱因，对于有效降低阿尔茨海默病的患病率，具有重要意义。

本发明采用以下技术方案：

一种基于机器学习算法的阿尔茨海默病预测方法，具体包括如下步骤：

S1、获取样本数据，对各研究变量进行等级化编码及赋值；

S2、通过随机采样建立包含多个决策树的随机森林预测模型；

S3、将预设值输入随机森林预测模型；

S4、根据随机森林预测模型的输出结果，预测阿尔茨海默病的诱因。

优选地，步骤S1中所述研究变量包括烟龄、饮酒史、体育锻炼、蔬菜水果食用。

优选地，步骤S2的具体过程如下：

S21、对样本数据进行T次的随机采样，并依据分类树分类规则生成T个训练集，每个训练集包含m个训练集样本；

S22、在m个训练集样本中，对决策树训练样本基于抽样聚合方法进行采样，得到若干自主训练集，并依据自主训练集构建Cart决策树作为弱分类器；

S23、随机选择决策树分类特征，生成足够数量的决策树弱分类器；

S24、确定决策树分类节点数量mtry和决策树数量ntree；

S25、运用已经构建完成的各决策树弱分类器对新的特征向量进行分类，并依据分类结果基于bagging算法合成强分类器，再基于强分类器的分类结果，完成对特征向量的预测与判别；

S26、基于随机森林分类中各特征属性的OOB误差，对各特征属性对AD影响程度进行评估。

优选地，步骤S23的具体过程如下：

S231、在已选取的m个训练集样本中，选取样本的n个属性变量，作为决策树分类标准；

S232、判别n个属性特征各自的GINI指数，再将GINI指数最大的特征属性作为决策树的分类节点，并采取固定浅层模式避免剪枝过程，建立决策树弱分类器；

S233、重复步骤S231和S232，直至生成足够数量的决策树弱分类器。