[发明专利]一种基于最优AUC的多机器学习模型特征选择方法在审
| 申请号： | 202210380302.0 | 申请日： | 2022-04-12 |
| 公开（公告）号： | CN114724715A | 公开（公告）日： | 2022-07-08 |
| 发明（设计）人： | 陈建新;黄湘君;周亮;李昂;许景艳;蒋冲 | 申请（专利权）人： | 南京邮电大学 |
| 主分类号： | G16H50/30 | 分类号： | G16H50/30;G16H30/20;G06V10/771;G06V10/764;G06K9/62;G06N20/00 |
| 代理公司： | 南京正联知识产权代理有限公司 32243 | 代理人： | 张玉红 |
| 地址： | 210023 江*** | 国省代码： | 江苏;32 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明所述的一种基于最优AUC的多机器学习模型特征选择方法，其步骤为：步骤1、输入影响组学特征数据集，对所有输入的特征进行预处理；步骤2、选择多种机器学习模型交叉组合进行进一步的特征筛选模型构建，迭代计算每一个高重现性特征子集的影像组学模型AUC；步骤3、对AUC结果进行比较，选取最优AUC，获得最优高重现性特征集，并将AUC结果生成可视化热力图。本发明通过交叉组合的方式形成了幂增数量的组合特征选择分类器，迭代地对所获得高重现性特征集进行了影像组学模型AUC的计算以及对比，并根据最优AUC自动进行最优高重现性特征集的选择；在进行特征筛选之后，可以生成相应的高重现性特征集进行广泛测试，避免偶然性，增加可靠性。 | ||
| 搜索关键词： | 一种 基于 最优 auc 机器 学习 模型 特征 选择 方法 | ||
【主权项】：
暂无信息
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南京邮电大学，未经南京邮电大学许可，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/202210380302.0/，转载请声明来源钻瓜专利网。
