申请/专利权人:安徽师范大学
申请日:2023-10-25
公开(公告)日:2024-01-30
公开(公告)号:CN117476207A
主分类号:G16H50/20
分类号:G16H50/20;G16H50/70;G06N20/10;G06N20/20;G06N5/01
优先权:
专利状态码:在审-实质审查的生效
法律状态:2024.02.20#实质审查的生效;2024.01.30#公开
摘要:本发明公开了一种根据重要特征选择合适ML模型预测糖尿病的方法,包括:步骤1:从原始数据库中提取所需特征,通过多表连接成一张特征表,构建出原始数据集;步骤2:去除空值比例超过20%的特征列,对于其他特征列使用该特征的中位数填补缺失值;步骤3:将原始数据集按照年龄段分为三份,每份分别使用互信息、相关性分析和递归特征消除三种特征选择方法选择多个重要特征,最终取并集作为该数据集的重要特征;步骤4:对于每份数据集,分别使用多种不同的机器学习模型训练,根据性能评价指标,最终选出效果最好的模型。其提高了个体预测的准确率,从而方便早期预防和治疗,进而提高患者生活质量。同时,还可以协助医生确诊糖尿病患者,降低误诊率。
主权项:1.一种根据重要特征选择合适ML模型预测糖尿病的方法,其特征在于,所述方法包括:步骤1:从原始数据库中提取所需特征,通过多表连接成一张特征表,构建出原始数据集;步骤2:去除空值比例超过20%的特征列,对于其他特征列使用该特征的中位数填补缺失值;步骤3:将原始数据集按照年龄段分为三份,每份分别使用互信息、相关性分析和递归特征消除三种特征选择方法选择多个重要特征,最终取并集作为该数据集的重要特征;步骤4:对于每份数据集,分别使用多种不同的机器学习模型训练,根据性能评价指标,最终选出效果最好的模型。
全文数据:
权利要求:
百度查询: 安徽师范大学 根据重要特征选择合适ML模型预测糖尿病的方法
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。