[发明专利]一种病例数据的特征分类方法

说明书

本发明涉及一种病例数据的特征分类方法，属于数据挖掘技术领域。所述方法包括：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。本发明使用机器学习算法对免疫类疾病病例数据进行分类，充分结合免疫性疾病及其有效特征数据的关系，利用特征数据提高免疫性疾病及其并发症病例数据分类模型的准确率。

技术领域

本发明涉及一种病例数据的特征分类方法，属于数据挖掘技术领域。

背景技术

自身免疫性疾病(immune diseases)是免疫调节失去平衡影响机体的免疫应答而引起的疾病。免疫性疾病的机制尚未完全明确，发病形式复杂多样，在一个患免疫性疾病个体上常伴发一种或多种并发症。不同自身免疫性疾病具有特征性临床表现，但是非典型或早期患者难与类风湿性关节炎等病相区别。所以医生在诊疗过程中，仅凭临床经验判断，不排除误诊的可能。

建立一个有效的分类医学辅助分析模型，能够帮助医生在判断时能有效参考大量特征信息的分类结果。在病情复杂的自身免疫性疾病中，高效准确的分类辅助分析模型能够大大提高医生的工作效率。就如同专利公开号为CN106485707A的发明专利，提出了一种多维特征分类方法，但在作为医疗辅助分析系统，其分类准确率较低，无法完全达到医疗辅助的预期效果。

基于上述情况，本发明提出一种涉及自身免疫性疾病病例数据的特征分类方法，对数据有效分类，达到较高分类准确率。

发明内容

本发明提供了一种病例数据的特征分类方法，能对病例数据进行有效分类，达到较高的分类准确率。

本发明的技术方案是：一种病例数据的特征分类方法，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。

进一步地，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。

在步骤S1-1中，整理患者的数据包括：各项检查结果的理化指标，其值为数值型，诊断信息，其值为字符型；查找数据库X中将缺失的部分，用0填补完整，之后进行数据删减，所删减的数据为建立模型不需要的信息，包括患者的个人信息，住院信息，整列特征全为0的信息。生成数据库X1。

在步骤S1-2中，从数据库X1中随机抽样数据组成数据集S；

进一步地，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。

进一步地，所述步骤S2中的具体步骤为：