[发明专利]基于lasso回归预测治疗费用的方法

权利要求书

1.一种基于lasso回归预测治疗费用的方法，所述方法包括以下步骤：

第一步骤中，获取电子病历样本，基于样本的变量的离散、线性分布将样本数据转换成数值数据生成电子病历的数值特征，作为费用预测的数据集；

第二步骤中，比较变量的缺失程度，将缺失程度较高的变量删除，然后对缺失程度较低的变量采用聚类方法估算插值，选取距离缺失值最近的k个变量，将k个距离值设置为权重值，通过加权插值方法估算缺失的变量值，得到病历数据集；

第三步骤中，基于1范数与2范数的变量筛选公式为其中，ω_j为模型权重参数，α为回归模型中1范数权重，λ为正则化系数，根据数据的正态分布对模型权重进行自适应调整，调整其中，x为变量值，ω为模型参数，σ为数据集分布的对称轴，在迭代过程中根据变量分布位置分配正态函数的权重；

第四步骤中，数据输入模型进行训练，之后通过测试集对模型预测精度进行验证。

2.根据权利要求1所述的方法，其中，优选的，第一步骤中，将所述电子病历按照病种进行分类，基于分类后的文本电子病历数值化，生成电子病历的数据集。

3.根据权利要求1所述的方法，其中，第一步骤中，基于样本的变量的离散定性赋值0或1以转换数值数据，基于样本的线性分布转换数值数据中，赋予其一个基础数值，然后再对其严重程度划分层次，按照层次计分，最后将基础数值与严重程度数值相结合，得到最终的变量值，转换公式为其中，y是转换后的变量值，a为该病情特征划分程度的层次总数，x为该病人所处的程度层次值。

4.根据权利要求1所述的方法，其中，第二步骤中，每一条病历样本设置成数组X_i＝[X_i1，X_i2，…，X_i(n+1)]，其中包含了n个特征变量和一个目标变量，每一数组中，比较变量的缺失程度，将缺失值超过20％的变量删除，然后对缺失值低于20％的数据采用聚类方法估算插值，其中，f(x)为测试点到聚类中心距离，W_i代表权重，D_i代表近邻点i与测试点距离。

5.根据权利要求1所述的方法，其中，基于1范数与2范数的公式为其中，ω_j为模型参数，α为回归模型中1范数权重，λ为正则化系数，在迭代过程中根据变量分布位置分配正态函数的权重中，其中，x为变量值，ω为模型参数，σ为数据集分布的对称轴。