[发明专利]一种生物医学关键属性选择方法

权利要求书

1.一种生物医学关键属性选择方法，其特征在于，所述方法包括以下步骤：

步骤1，数据集S包含N个样本，M维影响2型糖尿病干预效果的待选属性，使用boruta算法对人群的干预效果进行拟合，得到影响干预效果的关键属性，以及待选属性的重要性排序；

步骤2，基于原始数据集S，根据人群的干预效果构建逻辑回归判别模型，使用逻辑回归算法对人群的干预效果进行拟合，得到对干预效果具有显著影响的属性；

步骤3，基于步骤1中boruta算法得到对干预效果具有重要影响的属性，步骤2中逻辑回归算法得到对干预效果具有显著影响的属性，结合专家意见，采用交集归类的方法，得到影响干预效果的关键属性。

2.根据权利要求1所述的方法，其特征在于，所述使用boruta算法选择重要属性的步骤具体包括：

步骤2.1，创建数据集S的副本属性，并进行重排得到重组数据集S，增加给定数据集的随机性；

步骤2.2，构建树的个数为n(0<n N)在数据集S中，采用bootstrap方式有放回地随机抽取N个新的样本集，每个样本集的数据量大约为2N/3，每个样本集被记录为Di(0<i n)，没有被抽取的数据记录为袋外数据Oi(0<in)，构建包含n棵树的随机森林模型；

步骤2.3，构建分类回归树，计算每个树对应的袋外数据均方误差，记为MSEi，则n棵树的原始袋外数据均方误差向量为[MSE1,MSE2,…,MSEn]；

步骤2.4，基于步骤2.2得到的均方误差向量[MSE1,MSE2,…,MSEn]，与对应属性计算得到的Z值，确定Z值最大的副本属性，同时筛选出比其值更大的属性作为重要属性，而对应其Z值小的属性标记为非重要属性，并从数据集中删除；

步骤2.5，重复以上步骤1.1至1.4，直到达到预设的终止条件；

步骤2.6，属性的均方误差代表属性的重要性，属性重要性排序靠前的属性，为对2型糖尿病干预效果具有重要影响的属性。

3.根据权利要求1所述的方法，其特征在于，使用逻辑回归算法选择显著属性的步骤具体包括：

步骤3.1，对M维待选属性进行归一化处理，计算方法为：

sxil=xil-min(xl)max(xl)-min(xl)]]>

其中，是第i个样本第l维属性原始值，是第i个样本第l维属性的归一化值，和则分别是样本第l维属性的最大值和最小值；

步骤3.2，构建逻辑回归模型，采用最大似然估计方法计算各属性系数，回归方程如下：

f(x)＝b₀+b₁x¹+b₂x²+...+b_Mx^M

其中，x^l(0<l≤M)表示第l维属性，M为属性的维度，b_l(0<l≤M)表示逻辑回归模型中各属性的权重；

步骤3.3，采用AIC准则进行逐步回归，得到AIC最小时的属性组合，构建逻辑回归模型；

步骤3.4，对逻辑回归模型中M维属性权重进行显著性检验，以显著性水平为0.05，筛选对干预效果具有显著影响的属性。

4.根据权利要求1所述的方法，其特征在于，属性融合得到关键属性的步骤具体包括：

步骤4.1，结合专家经验意见，考虑属性的采集难度，对步骤1和步骤2中选择得到的属性进一步筛选；

步骤4.2，基于boruta算法得到对干预效果具有重要影响的属性，和逻辑回归算法得到对干预效果具有显著影响的属性，选择同时出现的属性，作为影响干预效果的关键属性。