买专利卖专利找龙图腾,真高效! 查专利查商标用IPTOP,全免费!专利年费监控用IP管家,真方便!
申请/专利权人:桂林电子科技大学
摘要:本发明公开了一种基于聚类下采样和可解释深度森林的脑卒中预测方法,获取脑卒中和正常患者的代谢指标以及分类情况;对特征进行标准化,并对异常值进行处理,获取完整的、标准化数据;使用提出的CBUC算法对不平衡数据重采样,尽可能多地将多类型的数据纳入训练,得到一个平衡训练集;使用级联深度森林模型(DF)对数据集进行预测;采用Gridsearch技术对预测的模型进行优化;采用10折交叉验证对模型的性能进行评估,使用Specificity(SP)、Sensitivity(SE)、Gmean、AreaUndertheCurve(AUC)以及Accuracy(ACC)五个指标衡量模型性能;计算深度模型中第一层森林的MDI,对输入的特征进行重要性比较。该方法将极度不平衡脑卒中数据重采样为平衡数据集,提高模型的预测精度,同时兼具可解释性,相比于最先进的方法具有更优越的识别性能且预测过程更加透明。
主权项:1.一种基于聚类下采样和可解释深度森林的脑卒中预测方法CDF2S,其过程包含如下步骤:1)收集样本数据:获取脑卒中和正常患者的代谢指标以及分类情况;2)数据预处理:对特征进行标准化,并对异常值进行处理,获取完整的、标准化数据;3)数据重采样:使用提出的CBUC算法对不平衡数据重采样,尽可能多地将多类型的数据纳入训练,得到一个平衡训练集;4)构建模型:使用级联深度森林模型(DF)对数据集进行预测;5)模型优化:采用Gridsearch技术对预测的模型进行优化;6)模型评估:采用10折交叉验证对模型的性能进行评估,使用Specificity(SP)、Sensitivity(SE)、Gmean、AreaUndertheCurve(AUC)以及Accuracy(ACC)五个指标衡量模型性能;7)模型解释:计算深度模型中第一层森林的MDI,对输入的特征进行重要性比较。
全文数据:
权利要求:
百度查询: 桂林电子科技大学 一种基于聚类下采样和可解释深度森林的脑卒中预测方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。