[发明专利]一种基于多重特征对比和随机森林算法的结果预测方法

权利要求书

1.一种基于多重特征对比和随机森林算法的结果预测方法，其特征在于：

步骤1，基于诊断测量数据集成为数据源集；

步骤2，对数据源集进行包括缺失参数数值的填充处理、异常值的检测、数据转换与数据分割的数据处理，随后把数据源集划分为测试集与训练集；

步骤3，将处理后的数据源集存储在数据库当中；

步骤4，采用随机森林算法建立机器学习模型，并且验证随机森林模型的有效性，再对模型进行参数优化；

步骤5，通过计算混淆矩阵和分类报告参数对模型进行评估；

步骤6，通过计算皮尔逊相关系数设计相关性特征热力图，寻找不同特征属性之间的相关程度；

步骤7，通过提取特征热力图中关系程度密切的属性，设计可视化图形并对其可视化结果进行分析；

步骤8，通过应用随机森林模型进行发病结果的预测。

2.根据权利要求1所述的基于多重特征对比和随机森林算法的结果预测方法，其特征在于，步骤2中对数据源文件进行数据处理，具体表现为：

步骤2-1，如果数据中存在异常数据，则通过直接删除的方式删除离散值较大的数据；

步骤2-2：如果数据中存在空值，用特定列的平均值或中值替换数据中存在的空值；

步骤2-3，在数据分割之前，将数据转换为使用sklearn-preprocessing方法的分位数。

3.根据权利要求1所述的基于多重特征对比和随机森林算法的结果预测方法，其特征在于，步骤4具体表示为：

步骤4-1，所采用的随机森林分类是由多组决策树分类模型{h(x,θ_r),r＝1,2,…}构成的组合分类模型，其中θ_r是服从独立同分布的随机变量，其计算公式如下：

式中，F(x)表示组合分类模型，f_i(x)表示单个决策树分类模型，Y表示目标变量，I表示示性函数；

步骤4-2：通过10折交叉验证来验证随机森林模型的性能；

将数据预处理后的干净数据集平均分为10个区，在10个区中选择当中9个区作为训练集，而剩余的一个区作为验证集，由此得到10个训练模型；第一个训练模型中得到第1个验证分数，即为第1折，以此循环往复，直到第10个训练模型中得到第10个验证分数，即为第10折，用这10个模型所得到的10个最终验证分数取平均值作为此次10折交叉验证分类器的指标；

步骤4-3：使用网格搜索的方法对模型原始参数进行优化，通过网格搜索方法搜索一个网格区域内所有的节点来确定最佳数值：先采用大的范围和大的步长来查询，判断全局最优值的大体位置，然后，逐步减少查询的步长和范围，从而查询更加精确的最优值。

4.根据权利要求1所述的基于多重特征对比和随机森林算法的结果预测方法，其特征在于，步骤5对混淆矩阵的设计，通过混淆矩阵参数计算分类报告作为模型评估的指标，其计算公式如下：

式中，TP──表示真正例，FP──表示假正例，FN──表示假反例，TN──表示真反例。

5.根据权利要求1所述的基于多重特征对比和随机森林算法的结果预测方法，其特征在于，步骤6中皮尔逊相关系数的计算公式如下：

式中，Cov(X,Y)为X与Y的协方差，Var[X]为X的方差，Var[Y]为Y的方差。