首页 专利交易 科技果 科技人才 科技服务 国际服务 商标交易 会员权益 IP管家助手 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索

一种基于改进的F-Score的妊高症预测方法 

买专利卖专利找龙图腾,真高效! 查专利查商标用IPTOP,全免费!专利年费监控用IP管家,真方便!

申请/专利权人:广州大学

摘要:本发明提供了一种基于改进的F‑Score的妊高症预测方法,包括先采用改进的F‑Score特征选择算法从妊高症患者的特征集合中选出最优特征,所有最优特征组成训练集;然后使用训练集对Stacking模型中的机器学习模型进行训练,获得经过训练的机器学习模型;使用经过训练的机器学习模型对训练集中的特征进行预测,获得预测结果;基于所述最终预测结果,使用遗传算法对经过训练的机器学习模型的组合进行筛选,获得最佳的模型组合;将最佳的模型组合对训练集的预测结果作为Stacking模型第二层逻辑回归的输入,通过第二层逻辑回归输出对妊高症患者患病概率的预测值。本发明有效地解决数据不平衡的问题,增加了对医学数据预测结果的泛化性和表现力。

主权项:1.一种基于改进的F-Score的妊高症预测方法,其特征在于,包括:S1,采用改进的F-Score特征选择算法分别计算妊高症患者的特征集合中的每个特征的F-Score的值;S2,将F-Score的值大于预设的选择阈值的所有特征作为最优特征,所有最优特征组成训练集;S3,使用训练集对Stacking模型中的K个clfl机器学习模型进行训练,获得K个经过训练的机器学习模型;S4,将训练集中的每个最优特征分别输入到K个经过训练的机器学习模型中进行预测,获得K个预测结果,对K个预测结果取平均值,获得训练集中的每个特征的最终预测结果;S5,基于所述最终预测结果,使用遗传算法对K个经过训练的机器学习模型进行筛选,获得N个最佳的模型组合;S6,将N个最佳的模型组合对训练集的预测结果作为Stacking模型第二层逻辑回归的输入,通过第二层逻辑回归输出对妊高症患者患病概率的预测值。

全文数据:

权利要求:

百度查询: 广州大学 一种基于改进的F-Score的妊高症预测方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。