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：杭州未名信科科技有限公司;浙江省北大信息技术高等研究院

摘要：本申请公开了一种患者住院时长的预测方法、装置、电子设备及存储介质，该方法包括：利用多个二分类基学习器级联串接构建有序多分类的预测模型；利用训练数据集训练各个基学习器直至每一基学习器达到性能指标要求，得到训练好的预测模型；根据预设预测特征选取待预测样本输入训练好的预测模型，得到预测结果。本申请的方法利用多个二分类基学习器级联串接构建有序多分类的预测模型，保留了有序多分类结局变量中各个类别间的序列递进关系，且不假设有序类别间为等比关系，更符合真实数据特征，通过将数据集逐层拆分，使得用于各层基学习器训练的数据集中两个类别的数据相对平衡，有效解决多类别间数据不平衡的问题，提高了预测结果准确率。

主权项：1.一种患者住院时长的预测方法，其特征在于，包括：利用多个二分类基学习器级联串接构建有序多分类的预测模型；利用训练数据集训练各个所述基学习器直至每一所述基学习器达到性能指标要求，得到训练好的预测模型；根据预设预测特征，选取待预测样本输入所述训练好的预测模型，得到预测结果；在所述利用训练数据集训练各个所述基学习器之前，所述预测方法还包括：基于医院信息管理系统中患者的电子病历数据，进行数据清理，提取训练数据构成训练数据集；在所述根据预设预测特征，选取待预测样本输入所述训练好的预测模型之前，所述预测方法还包括：从所述医院信息管理系统的电子病历数据中或者从所述训练数据集中筛选出对患者的住院时长预测价值高的预测特征；结合专家知识对所筛选的预测特征进行补充与调整，得到预设预测特征；所述利用训练数据集训练各个所述二分类基学习器直至每一所述二分类基学习器达到性能指标要求，包括：S1、将所述训练数据集输入所述预测模型，设定初始值m＝1；单个训练样本输入格式为x,y；y为包含有序M分类的结局变量，x代表训练样本的预测特征的集合；M为所述预测模型的分类类别的数量；S2、判断m是否＜M；若是，则进入步骤S3；若否，则跳到步骤S7；S3、提取y≥第m类别的数据作为第m个基学习器的训练数据子集；S4、用第一训练标签标记所述训练数据子集中y＝第m类别的数据，用第二训练标签标记所述训练数据子集中y＞第m类别的数据；S5、基于上述步骤获得的所述训练数据子集与训练标签，训练所述二分类基学习器，得到第m个基学习器；S6、m自增1后更新，返回步骤S2；S7、输出训练完成的M-1个基学习器。

全文数据：

权利要求：

百度查询： 杭州未名信科科技有限公司 浙江省北大信息技术高等研究院 患者住院时长的预测方法、装置、电子设备及存储介质