[发明专利]并入数据分组的预测模型

权利要求书

1.基于一组变量预测结果的可能性的方法，所述方法包括：

鉴定数据样本的训练集，其中对于每个数据样本，所述变量和结果是已知的；

基于所述数据样本的相似性的测量将所述训练集分割为多个分组；

训练每个分组的预测模型，其中所述预测模型基于所述变量预测结果的可能性，并且其中针对每个分组独立地实施所述预测模型的训练；

获得变量已知的测试样本；以及

预测所述测试样本的结果，其中预测结果包括：

对于每个分组，使用所述分组的预测模型来确定所述结果的概率；

对于每个分组，确定所述测试样本属于所述分组的概率；以及

基于通过所述测试样本属于所述分组的概率加权的每个分组的概率来计算所述测试样本的预测结果。

2.如权利要求1所述的方法，其中分割所述训练集包括：

建立样本的训练集的矩阵；

从所述矩阵计算一组特征值和一组特征向量；

基于所述特征值的各自大小对所述特征向量进行排序；以及

使用排序的特征向量来分割所述训练集。

3.如权利要求2所述的方法，其中使用排序的特征向量来分割所述训练集包括：

选择所述排序的特征向量的子集作为显著的特征向量；

计算所述显著的特征向量的加权平均向量，其中根据所述特征值对平均值进行加权；

对所述加权平均向量的分量进行排序；以及

使用所述加权平均向量的分位数将来自所述训练集的每个数据样本分配给所述分组中的一个。

4.如权利要求1所述的方法，其还包括：

计算所述多个分组中的每一个的中心。

5.如权利要求4所述的方法，其中对于每个分组，确定所述测试样本属于所述分组的概率包括计算所述测试样本与所述分组的中心之间的距离度量。

6.如权利要求1所述的方法，其中基于贝叶斯模型计算所述测试样本的预测结果。

7.如权利要求1所述的方法，其中所述每个分组的预测模型是广义线性模型。

8.如权利要求1所述的方法，其中所述变量包括关于对象的基因组信息，并且所述结果对应于所述对象的健康特征及表型。

9.如权利要求8所述的方法，其中所述健康特征是疾病的存在或不存在。

10.计算机系统，其包括：

存储器；和

处理器，其连接到所述存储器并且被配置成：

鉴定数据样本的训练集，其中对于每个数据样本，所述变量和结果是已知的；

基于所述数据样本的相似性的测量将所述训练集分割为多个分组；

训练每个分组的预测模型，其中所述预测模型基于所述变量预测结果的可能性，并且其中针对每个分组独立地实施所述预测模型的训练；

获得变量已知的测试样本；以及

预测所述测试样本的结果，其中预测结果包括：

对于每个分组，使用所述分组的预测模型来确定所述结果的概率；

对于每个分组，确定所述测试样本属于所述分组的概率；以及

基于通过所述测试样本属于所述分组的概率加权的每个分组的概率来计算所述测试样本的预测结果。

11.如权利要求10所述的计算机系统，其中所述处理器还被配置成使得分割所述训练集，其包括：

建立样本的训练集的矩阵；

从所述矩阵计算一组特征值和一组特征向量；

基于所述特征值的各自大小对所述特征向量进行排序；以及

使用排序的特征向量来分割所述训练集。