[发明专利]一种基于属性约简和XGBoost的COVID-19检测假阴性识别方法

摘要

本发明公开了一种基于属性约简和XGBoost的COVID‑19检测假阴性识别方法，包括如下步骤：S1、获取COVID‑19病例样本数据并进行预处理及数据增强；S2、属性约简，降低数据维度，并将样本数据划分为训练集和测试集；S3、使用XGBoost提升树可扩展系统对COVID‑19检测核心指标进行重要度筛选；S4、利用训练集中的数据对XGboost算法评估模型进行训练，建立评估模型；S5、利用评估模型对病例数据进行预测。本发明基于属性约简和XGBoost的COVID‑19检测假阴性识别方法，应用机器学习模型的COVID‑19病例数据预处理及其检测核酸假阴性识别方法，可以直接处理小样本和不平衡COVID‑19病例数据，通过MDGO优化XGBoost模型参数，提升检测诊断识别准确率，快速形成诊断报告、确定诊断结果。