[发明专利]基于LR-N的心血管疾病预测方法

权利要求书

1.一种基于LR-N的心血管疾病预测方法，其特征在于，包括以下步骤：

步骤S1，采集多个心血管疾病患者的医疗信息，对所述医疗信息进行归一化处理，得到训练样本和测试样本；

步骤S2，对所述训练样本进行筛选，得到样本特征向量；

步骤S3，建立逻辑回归模型，利用所述样本特征向量对所述逻辑回归模型进行训练，得到逻辑回归心血管疾病预测模型；

步骤S4，采用Nadam算法对所述逻辑回归疾病预测模型的损失函数进行迭代优化，直至当前分类结果与实际分类结果的误差小于预设值或达到预设迭代次数，得到LR-N心血管疾病预测模型；

步骤S5，将所述测试样本输入所述LR-N心血管疾病预测模型，得到预测结果。

2.根据权利要求1所述的基于LR-N的心血管疾病预测方法，其特征在于，所述步骤S1中将所述医疗信息中的age，height，weight，ap_hi，ap_lo字段进行归一化处理。

3.根据权利要求1所述的基于LR-N的心血管疾病预测方法，其特征在于，所述步骤S2中利用热力图对所述训练样本中的数据向量的相关性进行分析，筛选出所述样本特征向量。

4.根据权利要求1所述的基于LR-N的心血管疾病预测方法，其特征在于，所述步骤S3具体包括：

步骤S301，结合Sigmoid函数和线性回归算法，将线性回归模型的输出作为Sigmoid函数的输入，得到逻辑回归模型，具体为：

其中，x＝x₁,x₂,x₃,…,x_n为样本特征向量的输入向量，θ^Tx为目标变量；

步骤S302，利用所述样本特征向量对所述逻辑回归模型进行训练，得到逻辑回归心血管疾病预测模型，具体为：

P(y|x；θ)＝(h_θ(x))^y*(1-h_θ(x))^1-y

其中，x＝x₁,x₂,x₃,…,x_n为样本特征向量的输入向量，θ为权值向量是逻辑回归模型的参数，y为预测结果，h_θ(x)为预测结果为1的概率，1-h_θ(x)为预测结果为0的概率。

5.根据权利要求4所述的基于LR-N的心血管疾病预测方法，其特征在于，

所述预测结果为1的概率为：

h_θ(x)＝P(y＝1|x；θ)

所述预测结果为0的概率为：

1-h_θ(x)＝P(y＝0|x；θ)

其中，x＝x₁,x₂,x₃,…,x_n为样本特征向量的输入向量，θ为权值向量是逻辑回归模型的参数，y为预测结果。

6.根据权利要求1所述的基于LR-N的心血管疾病预测方法，其特征在于，所述步骤S4具体包括：

步骤S401，根据所述逻辑回归心血管疾病预测模型构造似然函数，具体为：

其中，x＝x₁,x₂,x₃,…,x_n为样本特征向量的输入向量，θ为权值向量是逻辑回归模型的参数，y为预测结果，h_θ(x)为预测结果为1的概率，1-h_θ(x)为预测结果为0的概率；

步骤S402，根据所述似然函数构造所述逻辑回归疾病预测模型的损失函数，具体为：

步骤S403，利用Nadam算法对所述损失函数进行迭代优化，不断修正所述逻辑回归疾病预测模型，直至所述损失函数小于所述预设值或达到所述预设迭代次数，得到所述逻辑回归心血管疾病预测模型。

7.根据权利要求1所述的基于LR-N的心血管疾病预测方法，其特征在于，还包括：

步骤S6，构建所述逻辑回归心血管疾病预测模型的混淆矩阵；

步骤S7，根据所述混淆矩阵分别求解所述所述逻辑回归心血管疾病预测模型的多个指标的分类效果，完成自评估。