[发明专利]一种基于标签不平衡的医疗数据的疾病预测方法

权利要求书

1.一种基于标签不平衡的医疗数据的疾病预测方法，获取用户的医学检测指标，输入到训练好的多病种预测模型中，预测用户各种疾病的发病概率，其特征在于，多病种预测模型的训练包括以下步骤：

S1、获取医疗数据集，进行预处理得到特征集和标签集；

S2、将标签集聚类为不同的标签信息粒，选择标签信息粒的最靠近中心的标签组合为代表标签集；

S3、对特征集做离散化处理得到离散特征集；

S4、使用代表标签集和离散特征集进行特征选择，得到已选特征集；

S5、将已选特征集和标签集放入多标签k近邻分类器中进行近邻算法训练，迭代训练多病种预测模型，保存模型参数。

2.根据权利要求1所述的一种基于标签不平衡的医疗数据的疾病预测方法，其特征在于，步骤S2所述将标签集聚类为不同的标签信息粒包括：

生成模拟分布，通过计算每组模拟分布的距离损失φ_i和原数据的总距离损失φ，使用：

其中模拟分布数量为B，在实际运算中该数量大小由人为给定，数量越大越精确，但是相应计算量越大；当f(k)≥f(k+1)时，选择最小的标签信息粒数量k。

3.根据权利要求2所述的一种基于标签不平衡的医疗数据的疾病预测方法，其特征在于，所述模拟分布包括：

a.生成方位：通过正态分布生成n个向量V＝{v₁,v₂,...,v_n}，其中每个向量都是n维，将这些向量通过第二范数标准化后得到方位：

即方位θ_i在超球上是均匀分布；

b.生成半径：使用累计分布函数的逆生成半径r_i，在n维空间中，半径r的分布密度函数为：

p(r)＝nr^n-1

其中r∈[0,1]，所以半径r的累计分布函数为：

F(r)＝rⁿ

于是生成[0,1]均匀分布的F(r)，通过累计分布的逆可以求得半径r_i，

r_i＝F(r)^1/n

通过半径r_i和方位θ_i的成绩等比缩小到半径为0.5的超球上，得到基于标准互信息的模拟分布，其中模拟分布的标签之间距离‖d_i-d_j‖₂为标签之间的标准互信息NMI：

NMI(d_i,d_j)＝||d_i-d_j||_2。

4.根据权利要求2所述的一种基于标签不平衡的医疗数据的疾病预测方法，其特征在于，步骤S2所述选择标签信息粒的最靠近中心的标签组合为代表标签集包括：

a.从标签集L＝{l₁,l₂,…,l_m}中随机选择一个标签作为第一个初始聚类中心，m表示标签数；

b.计算每个标签l与当前已选择的代表标签c_i之间的最短距离minD(l,c_i)，然后计算每个标签被选为下一个聚类中心的概率P(l_j)，最后选择最大概率值所对应的标签作为下一个代表标签c_next；

c.重复b，直到选择出k个代表标签。

5.根据权利要求4所述的一种基于标签不平衡的医疗数据的疾病预测方法，其特征在于，所述计算聚类中心概率，选择代表标签的计算包括：

P(l_j)表示被选为聚类中心的概率，c_next表示下一个代表标签。