[发明专利]一种基于朴素贝叶斯算法的预测模型的建立方法在审
| 申请号： | 201811020809.5 | 申请日： | 2018-09-03 |
| 公开（公告）号： | CN109036568A | 公开（公告）日： | 2018-12-18 |
| 发明（设计）人： | 王庚;石兴磊;高传贵 | 申请（专利权）人： | 浪潮软件集团有限公司 |
| 主分类号： | G16H50/50 | 分类号： | G16H50/50;G16H50/20 |
| 代理公司： | 济南信达专利事务所有限公司 37100 | 代理人： | 姜明 |
| 地址： | 250100 山东*** | 国省代码： | 山东;37 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明特别涉及一种基于朴素贝叶斯算法的预测模型的建立方法。该基于朴素贝叶斯算法的预测模型的建立方法，收集与脑卒中相关的因素数据，并将定性数据转化为定量数据，利用皮尔森相关系数法计算各个特征与目标值的相关系数，将相关系数值定量转化为权重；将传统算法结合多项式及高斯模型分别处理离散和连续的特征数据，采用加权特征分析方法提升重要特征对预测结果的影响，进而得到高预测精确率的预测模型。该基于朴素贝叶斯算法的预测模型的建立方法，结合混合预测模型，特征加权方法和滑动界定因子，并综合考虑多个评价指标最终获得了高预测精确率的预测模型，能为医生明确诊断和治疗提供参考数据，对全民卫生事业的发展具有非常重要的意义。 | ||
| 搜索关键词： | 预测模型 贝叶斯 算法 皮尔森相关系数 诊断和治疗 参考数据 传统算法 定量数据 定性数据 高斯模型 加权特征 评价指标 特征数据 卫生事业 因素数据 预测结果 综合考虑 脑卒中 滑动 预测 加权 界定 权重 转化 医生 分析 | ||
【主权项】：
1.一种基于朴素贝叶斯算法的预测模型的建立方法，其特征在于：收集与脑卒中相关的因素数据组成特征集合B，并对相关的数据进行预处理，将定性数据转化为定量数据，利用皮尔森相关系数法计算各个特征与目标值的相关系数，将相关系数值定量转化为权重wi；将传统算法结合多项式及高斯模型来分别处理离散和连续的特征数据，采用加权特征分析方法提升重要特征对预测结果的影响；引入精确率precision，召回率recall，模型综合评价指标F_measure以及ROC曲线来完成对预测模型的综合评估，进而得到高预测精确率的预测模型。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于浪潮软件集团有限公司，未经浪潮软件集团有限公司许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201811020809.5/，转载请声明来源钻瓜专利网。
