申请/专利权人：广西友迪资讯科技有限公司

申请日：2021-07-29

公开（公告）日：2023-10-27

公开（公告）号：CN113658680B

主分类号：G16H50/20

分类号：G16H50/20;G06N20/00

优先权：

专利状态码：有效-授权

法律状态：2023.10.27#授权;2021.12.03#实质审查的生效;2021.11.16#公开

摘要：本发明公开一种基于随机森林的戒毒人员戒治效果的评估方法，本发明涉及戒毒领域和机器学习领域，包含目标函数和特征的选择、训练模型和评估过程；在戒毒人员多维度戒毒数据中选择一个维度YD作为目标函数，从戒毒人员多维度戒毒数据选择一组特征FD，建立训练数据集TrainSet样本集合，训练随机森林回归模型，计算得到被评估人员的YD和类似戒毒人员平均值的偏差是标准差的倍数LSS、被评估人员的YD和整体平均值的偏差是标准差的倍数GSS，综合进行评估。本发明评估方法适应性强，当制度变化，技术进步导致数据发生巨大变化之后，可以通过重新训练模型的方式快速适应变化、且精确度更高。

主权项：1.一种基于随机森林的戒毒人员戒治效果的评估方法，其特征在于，包含目标函数和特征的选择、训练模型和评估过程；其中，（1）目标函数和特征选择：在戒毒人员多维度戒毒数据中选择一个维度YD作为目标函数，所述YD是与所述戒治效果直接相关的量化指标；从戒毒人员多维度戒毒数据选择一组特征FD，所述FD为戒毒人员的静止属性；（2）训练模型：a、建立训练数据集TrainSet样本集合，其中的每一样本对应多维度戒毒数据中一个人员的数据；b、训练随机森林回归模型RFM,从TrainSet中提取样本并放入子集ModelTrainSet中，用于随机森林训练；c、将所述RFM中所有叶子节点放到统一的叶子节点数组lnodes中，使用RFM对人员特征向量f进行回归，计算命中叶子节点的所有TrainSet样本的均值LNMEAN数组和标准差LNSTD数组；计算TrainSet全体的目标函数值的标准差和平均值，保存到GSTD和GMEAN中；d、保存RFM、GMEAN、GSTD、LNSTD和LNMEAN；（3）评估过程：a、从存储介质加载训练过程得到的RFM、GMEAN、GSTD、LNSTD和LNMEAN；b、用随机森林回归算法根据模型RFM预测被评估人员的目标函数YD值，获得命中的RFM叶子节点，计算被评估人员的YD和类似戒毒人员平均值的偏差是标准差的倍数LSS；c、计算被评估人员的YD和整体平均值的偏差是标准差的倍数GSS，其公式为GSS=YD-GMEAN[m]GSTD[m]；d、输出LSS和GSS，以及LSS和GSS指标随时间变化的趋势，作为被评价人员戒治效果指标YD的直观说明；GSS＞0表示被评价人员的戒治效果优于整体平均水平，GSS＜0表示被评价人员的戒治效果比整体平均水平差；当LSS＞0，表示被评估人员当前的戒治效果优于类似戒毒人员平均值，-1＜LSS＜1，表示被评估人员戒治效果和类似戒毒人员的平均值偏差在一个标准差之内，标注其戒治效果为“正常”，LSS＜-1表示戒毒人员戒治效果低于类似戒毒人员平均值超过一个标准差，标注其戒治效果为“差”，LSS＞1表示戒毒人员戒治效果高于类似戒毒人员平均值超过1个标准差，标注其戒治效果为“优”；当LSS和GSS的评估结果不同时，以LSS的评估结果为标准。

全文数据：

权利要求：

百度查询： 广西友迪资讯科技有限公司 基于随机森林的戒毒人员戒治效果的评估方法

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。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD