申请/专利权人：辽宁省肿瘤医院

申请日：2020-09-28

公开（公告）日：2024-01-26

公开（公告）号：CN112183861B

主分类号：G06Q30/0283

分类号：G06Q30/0283;G16H10/60;G16H50/70;G06F16/35

优先权：

专利状态码：有效-授权

法律状态：2024.01.26#授权;2021.01.22#实质审查的生效;2021.01.05#公开

摘要：本发明公开了一种基于lasso回归预测治疗费用的方法，所述方法中，获取电子病历样本，基于样本的变量的离散、线性分布将样本数据转换成数值数据以生成电子病历的数值特征；比较变量的缺失程度，将缺失程度较高的变量删除，然后对缺失程度较低的变量采用聚类方法估算插值，选取k个距离当前变量最近的变量，将距离值设置为权重值，通过加权插值估算缺失值，得到病历数据集；根据数据的正态分布对模型权重进行自适应调整，通过在迭代过程中根据变量分布位置分配正态函数的权重形成模型；数据输入模型进行训练得到预测结果。

主权项：1.一种基于lasso回归预测治疗费用的方法，其特征在于，所述方法包括以下步骤：第一步骤中，获取电子病历样本，基于样本的变量的离散、线性分布将样本数据转换成数值数据生成电子病历的数值特征，作为费用预测的数据集；第二步骤中，比较变量的缺失程度，将缺失程度较高的变量删除，然后对缺失程度较低的变量采用聚类方法估算插值，选取距离缺失值最近的k个变量，将k个距离值设置为权重值，通过加权插值方法估算缺失的变量值，得到病历数据集，每一条病历样本设置成数组Xi=[Xi1,Xi2,···，Xi（n+1）]，其中包含了n个特征变量和一个目标变量，每一数组中，比较变量的缺失程度，将缺失值超过20%的变量删除，然后对缺失值低于20%的数据采用聚类方法估算插值，，其中，为测试点到聚类中心距离，代表权重，代表近邻点i与测试点距离；第三步骤中，基于1范数与2范数的变量筛选公式为，其中，为模型权重参数，为回归模型中1范数权重，为正则化系数，根据数据的正态分布对模型权重进行自适应调整，调整，其中，为变量值，为模型参数，为数据集分布的对称轴，在迭代过程中根据变量分布位置分配正态函数的权重；第四步骤中，数据输入模型进行训练，之后通过测试集对模型预测精度进行验证。

全文数据：

权利要求：

百度查询： 辽宁省肿瘤医院 基于lasso回归预测治疗费用的方法

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