摘要
本发明公开了HIV补充核酸定量的检测方法及系统;本发明涉及核酸检测技术领域;包括一回归函数F(X),设定因变量y(NAT阳性/阴性)为预测值;初始化LightGBM模型的参数,包括学习率、树的深度和叶子节点数。LightGBM模型可以看作是一个加法模型,它由多个基学习器(决策树)组成。使用训练集Dtrain训练LightGBM模型。在训练过程中,使用验证集Dval来调整参数,以防止过拟合。期间使用交叉验证法选择出LightGBM模型最优的学习率、树的深度和叶子节点数。使用测试集Dtest评估召回率和精确率。本发明通过利用LightGBM模型进行迭代学习和预测,该方案能够捕捉到自变量与NAT阳性/阴性结果之间的复杂非线性关系。这有助于更准确地预测患者的HIV感染状态,减少误诊和漏诊的可能性。
技术关键词
LightGBM模型
核酸定量检测
交叉验证法
加法模型
学习器
节点数
核酸检测技术
样本
决策树算法
分类特征
处理器
特征工程
参数
数据
存储器
编码
非线性
程序
系统为您推荐了相关专利信息
数据交换平台
共享系统
数据分析模块
数据处理模块
信息数据技术
回归预测模型
多项式
非线性
建立预测模型
自动特征提取
编码器
雷达回波数据
输入解码器
预训练网络
无标签数据
大坝渗流量
学习器
预测预警方法
LightGBM模型
数据
分组调度方法
多元异构数据
数据分析方法
LSTM模型
海量异构数据