[发明专利]基于集成学习的门诊量预测方法及装置

说明书

本发明公开了基于集成学习的门诊量预测方法及装置。该方法包括：获取门诊衍生数据，其中，门诊衍生数据包括至少一个训练数据集和测试数据集；基于各训练数据集分别对集成学习模型的子学习模型进行训练，得到至少一个中间模型，并基于中间模型对训练数据的预测结果与对应的训练数据进行融合，得到第一融合数据，根据第一融合数据对集成学习模型中待训练子学习模型进行训练，得到目标门诊量预测模型；基于中间模型对门诊衍生数据中的测试数据的预测结果与测试数据进行融合，得到第二融合数据，将所述第二融合数据输入至所述目标门诊量预测模型，得到预测门诊量。通过上述技术方案，提高了模型的门诊量预测的准确度。

技术领域

本发明涉及数据处理技术领域，尤其涉及一种基于集成学习的门诊量预测方法及装置。

背景技术

近年来随着人工智能和深度学习的兴起，人们开始尝试使用机器学习的方法来对医院的门诊量进行预测并取得了一定的成功。

但是目前在该领域，现有技术所使用的神经网络可以拟合大规模的数据，通过调整非线性激活函数和网络层数极大的提高模型精度，但是存在容易过拟合的问题，将会降低门诊量的预测准确度。

发明内容

本发明提供了一种基于集成学习的门诊量预测方法及装置，以实现提高模型的门诊量预测准确度。

根据本发明的一方面，提供了一种基于集成学习的门诊量预测方法，包括：

获取门诊衍生数据，其中，所述门诊衍生数据包括至少一个训练数据集和测试数据集；

基于各所述训练数据集分别对集成学习模型的子学习模型进行训练，得到至少一个中间模型，并基于中间模型对训练数据的预测结果与对应的训练数据进行融合，得到第一融合数据，根据第一融合数据对集成学习模型中待训练子学习模型进行训练，得到目标门诊量预测模型；

基于中间模型对所述测试数据集的预测结果与所述测试数据集进行融合，得到第二融合数据，将所述第二融合数据输入至所述目标门诊量预测模型，得到预测门诊量。

根据本发明的另一方面，提供了一种基于集成学习的门诊量预测装置，包括：

衍生数据获取模块，用于获取门诊衍生数据，其中，所述门诊衍生数据包括至少一个训练数据集和测试数据集；

目标模型生成模块，用于基于各所述训练数据集分别对集成学习模型的子学习模型进行训练，得到至少一个中间模型，并基于中间模型对训练数据的预测结果与对应的训练数据进行融合，得到第一融合数据，根据第一融合数据对集成学习模型中待训练子学习模型进行训练，得到目标门诊量预测模型；

门诊量预测模块，用于基于中间模型对所述测试数据集的预测结果与所述测试数据集进行融合，得到第二融合数据，将所述第二融合数据输入至所述目标门诊量预测模型，得到预测门诊量。

根据本发明的另一方面，提供了一种电子设备，所述电子设备包括：

至少一个处理器；以及

与所述至少一个处理器通信连接的存储器；其中，

所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器能够执行本发明任一实施例所述的基于集成学习的门诊量预测方法。

根据本发明的另一方面，提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机指令，所述计算机指令用于使处理器执行时实现本发明任一实施例所述的基于集成学习的门诊量预测方法。