[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

说明书

本发明属于计算机数据挖掘领域计算医疗方向，特别涉及一种基于标签不平衡的医疗数据的疾病预测方法，所述方法包括：获取医疗数据集，进行预处理；聚类标签信息粒，选择标签信息粒的最靠近中心的标签组合为代表标签集；对特征集做离散化处理得到离散特征集；使用代表标签集和离散特征集进行特征选择；已选特征集和标签集放入多标签k近邻分类器中进行训练，本发明创新的采用粒计算的思想，将多标签数据的标签部分进行聚类，选择最靠近中心标签的作为代表标签集，使得聚类更为准确，可以选择更准确的代表标签，创新性的引入动态特征部分，使特征选择方法在少量的特征选择数量下达到更高的准确率。

技术领域

本发明属于计算机数据挖掘领域计算医疗方向，特别涉及一种基于标签不平衡的医疗数据的疾病预测方法。

背景技术

随着中国经济的快速发展，以及人民生活水平的提高，人们越来越重视自己的身体健康，所以人们开始在意各种类型的慢性疾病，以及对这些疾病的预防治疗等。所以各种对于医疗数据的处理和预测方法也越来越多，且愈发成熟。

但是现有的方法在某些医疗数据集中预测的效果较差，主要原因是由于标签的不平衡问题，导致在特征选择中某些疾病数量少的病种，其关键特征无法保证在数据处理中一定被选择，进而导致该病种预测效果大幅下降，疾病的整体的预测效果较差。

发明内容

为解决以上现有技术存在的问题，本发明提供一种基于标签不平衡的医疗数据的疾病预测方法，旨在不同病种间疾病数量不平衡的条件下，寻找一种提高预测准确率的特征选择方法，在尽量少的特征选择数量下选择对所有疾病预测最有利的检测指标，进而提高疾病预测的准确率，从而减少疾病预防的检测项目，并同时在这些检测指标下，进行疾病发生可能性的预测。

本发明的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，输入到多病种预测模型中，预测用户各种疾病的发病概率，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。

进一步的，步骤S2所述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)是，选择最小的标签信息粒数量k。

进一步的，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：