[发明专利]一种基于CatBoost模型的交互式门诊量预测可视分析方法及系统

权利要求书

1.一种基于CatBoost模型的交互式门诊量预测可视分析方法，其特征在于，包括以下步骤：

步骤1，获取历史环境因素数据与历史门诊数量数据载入数据库，对数据库的关系表和数据文件进行记录整理，获得原始医疗数据；

步骤2，从原始医疗数据中抽取出目的数据库系统所需要的数据，形成规范医疗数据库；从规范医疗数据库中提取预设层级关系统计，获得门诊数量的字典类型数据；

步骤3，在可视化交互界面，根据步骤2获得的门诊数量的字典类型数据，绘制获得交互式旭日图，用于展示门诊人数；

步骤4，在可视化交互界面，根据交互式旭日图中用户的选择，绘制获得折线图，用于展示门诊人数随时间的分布情况；根据交互式旭日图中用户的选择，绘制环境特征的交互式相关性分析雷达图，用于初步分析门诊人数和环境特征的相关性；用户根据雷达图选择预测需要的原始特征；其中，所述原始特征包括原始环境特征和原始时序特征；

步骤5，在后端，基于CatBoost建立门诊人数回归模型；将原始特征根据预设的时间间隔值输入后端生成历史门诊人数特征、历史环境特征和时序子序列的tsfresh特征；将tsfresh特征输入门诊人数回归模型，获得门诊量预测值；

步骤6，将获得的门诊量预测值传到可视化交互界面，绘制门诊人数回归模型的预测效果折线图，显示门诊人数回归模型的预测相对误差和均方误差。

2.根据权利要求1所述的一种基于CatBoost模型的交互式门诊量预测可视分析方法，其特征在于，步骤1中，还包括：

将获得的原始医疗数据进行预处理，用于发现并纠正数据文件中可识别的错误；其中，所述预处理包括数据筛选、数据清洗和数据抽取的重构转换。

3.根据权利要求1所述的一种基于CatBoost模型的交互式门诊量预测可视分析方法，其特征在于，还包括：

步骤7，从后端传输特征重要程度数据到可视化交互界面，将交互式相关性分析雷达更新为特征重要程度图；从后端传回每个样本的各个特征SHAP数据并更新门诊时序数据，用户点击折线图中某个具体门诊人数信息，在其上方绘制该样本的各个特征SHAP图。

4.根据权利要求1所述的一种基于CatBoost模型的交互式门诊量预测可视分析方法，其特征在于，还包括：

绘制医院总门诊人数与月份和星期关系的热力图，用于展示医院总体门诊人数随时间分布情况。

5.根据权利要求1所述的一种基于CatBoost模型的交互式门诊量预测可视分析方法，其特征在于，步骤5中，门诊人数回归模型预测的步骤具体包括：

步骤5.1，获取用户所选门诊的原始医疗数据，原始数据输入矩阵其中，J个初始特征，x_ij表示第i天的第j项特征；

步骤5.2，根据用户所选择的特征以及时间间隔值n，对原始数据输入矩阵X进行修改；其中，保留用户选择的特征，J个初始特征降为K个用户所选特征，K≤J，修改后的输入矩阵

根据时间间隔值n生成n天前的历史门诊人数特征以及历史环境特征，再次修改后的输入矩阵特征个数M＝(K+1)n+3；

将(I-n)个样本的(1+K)个长度为n的时间子序列通过tsfresh包各提取出设定的29个时序数据；

最终模型的输入矩阵其中，

步骤5.3，判断步骤5.2得到的个特征的类型，将类别特征名存入列表，将列表内容传给CatBoost的cat_features参数；

步骤5.4，设置测试集比例，采用CatBoost回归算法构建回归模型，得到测试集上的预测结果绘制与测试集中门诊人数结果Y＝(y₁ y₂…y_α(I-n))^T的对比折线图；

在折线图图例中添加预测结果的和平均相对误差将对比折线图传回给前端的可视化交互界面。