[发明专利]一种基于LightGBM算法的食源性致病菌分类方法

权利要求书

1.一种基于LightGBM算法的食源性致病菌分类方法，其特征在于，包括以下步骤：

步骤1：光谱背景拟合和数据预处理；

步骤2：食源性病菌拉曼光谱数据预处理；

步骤3：Light GBM分类模型，计算初始梯度值，初始值设为零，建立树并设置树的深度不超过100层。

2.根据权利要求1所述的一种基于LightGBM算法的食源性致病菌分类方法，其特征在于，步骤1包括以下内容：

步骤1.1：对原始数据进行归一化，采用波长大于532nm的激光激发被测物质，降低荧光干扰的概率，将去除荧光背景的光谱截断为偏移600至2000的区间内，绘制光谱图片；

步骤1.2：再采取最大最小标准化的方法对原始数据进行归一化，公式如下：

其中，Max是数据的最大值，Min是数据的最小值，x’是归一化后的样本数值；

再使用SG方法对光谱中尖锐的峰值平滑处理；

步骤1.3：使用分段线性拟合法对光谱进行基线校正，解决拉曼光谱基线漂移现象，采用移动窗口结合最小二乘法对大肠杆菌和布鲁氏菌的数据噪声进行抑制。

3.根据权利要求1所述的一种基于LightGBM算法的食源性致病菌分类方法，其特征在于，步骤2包括以下内容：

步骤2.1：对降噪后的光谱数据使用PCA降维，选取数据集中的主特征；

步骤2.2：将数据集分成训练集和测试集，其中30％的数据集用来训练模型，70％的数据集用来测试模型的准确率，以便提高模型的健壮性和准确性。

4.根据权利要求1所述的一种基于LightGBM算法的食源性致病菌分类方法，其特征在于，步骤3包括以下内容：

步骤3.1：计算直方图，从直方图中选择最大收益的特征分裂，建立根结点，重复选取最佳分裂结点，分裂特征，直到叶子结点数量限制或者叶子结点不能分割为止；

步骤3.2：调节参数，首先选择较高学习率，加快收敛的速度，然后对决策树的基本参数调参，正则化参数调参，最后降低学习率，进行分类实验，提高模型准确率。