[发明专利]一种病例数据的特征分类方法

权利要求书

1.一种病例数据的特征分类方法，其特征在于：包括如下步骤：

步骤S1、疾病数据的整理、随机抽样及预处理：将数据库数据进行整理，随机抽样获得数据集，接着将数据集中数据规范为统一格式；

步骤S2、数据降维：构建分类树对特征进行重要性评估来完成数据降维；

步骤S3、构建优化分类模型；

步骤S4、采用优化后的模型对样本进行分类。

2.根据权利要求1所述的病例数据的特征分类方法，其特征在于：所述步骤S1中的具体步骤为：

S1-1、将数据库中的数据进行有序整理、填补、删除，；

S1-2、从整理后的数据库中随机抽样获得数据集；

S1-3、将数据集中的数据归一化，从而规范为统一格式。

3.根据权利要求2所述的病例数据的特征分类方法，其特征在于：所述S1-3中，对数据集S利用数据标准化的方法将规范成统一格式的数据；所用方法为找出数字型数据中每列数据的最大值max和最小值min，将最大值max与最小值min做差记为δ，将此列的每个元素s减去所在列的最小值min后再除以δ，生成新的元素s’，用s’替换掉原来元素中的s，重新生成的数据集S中，每项元素的数据都被规范在0～1的范围内；

对于数据集S中字符型数据的诊断信息，将其转化为数值型数据；将患症的字符型数据变为数值型数据1，没有患症的字符型数据变为字符型数据0，生成数据集S1。

4.根据权利要求1所述的病例数据的特征分类方法，其特征在于：所述步骤S2中的具体步骤为：

将数据集随机分为训练集和测试集；

对训练集建立分类树进行特征重要性评估，所用方法为随机森林；

依照特征重要性得分，组成新的数据集。

5.根据权利要求1所述的病例数据的特征分类方法，其特征在于：所述步骤S3中：

按照SVM方法，由参数C和g得到的分类模型函数F(C,g)的最优解，最优的参数使分类效果更好；其中C是惩罚因子，表示SVM模型中对误差的宽容程度；g是核函数参数；具体步骤如下:

(1)设置初值X₀，终值X_f，步长ΔX，确定惩罚因子C和核函数参数g的取值范围；

(2)在设置的范围内，根据函数F(C,g)找到最优的惩罚因子C和核函数参数g，其子步骤为：

1)在惩罚因子C和核函数参数g的取值范围取值，并代入函数F(C,g)中得出结果，比较F_(n)(C,g)与F_(max)(C,g)的大小；

2)F_(n)(C,g)是每次搜索时的值；F_(max)(C,g)是搜索时F(C,g)的最大值，其中的惩罚因子C和核函数参数g为当前搜索时的最优解；

3)若F_(n)(C,g)F_(max)(C,g)，则用F_(n)(C,g)中的惩罚因子C和核函数参数g分别替换F_(max)(C,g)中的C和g，否则保持F_(max)(C,g)中的惩罚因子C和核函数参数g不变；

4)若F_(n)(C,g)F_(max)(C,g)，计算概率p＝exp[-(F_(n)(C,g)-F_(max)(C,g)/X₀]，若prandom[0,1]，则用F_(n)(C,g)中的惩罚因子C和核函数参数g分别替换F_(max)(C,g)中的C和g，否则保持F_(max)(C,g)中的惩罚因子C和核函数参数g不变；

5)每搜索完一次，执行X₀＝X₀-ΔX，直到X₀X_f时搜索结束；

6)F_(max)(C,g)中的惩罚因子C和核函数参数g为最优解，并与训练集训练SVM模型。