摘要
本发明提供一种药物不良反应的预测模型构建方法、系统及介质,涉及数据分类领域,包括:获取药物不良反应的大样本数据,将大样本数据划分为发生药物不良反应的少数类样本集和未发生药物不良反应的多数类样本集,对多数类样本集应用谱聚类算法,获得多个多数类样本簇;对所有多个多数类样本簇按比例随机采样,获得多个随机采样的多数类样本并构成多数类样本子集;基于Bagging集成策略,对多个多数类样本簇重复应用T次按比例随机采样,构建T个多数类样本子集,并分别与少数类样本集合并,获得T个平衡子集;通过Boosting集成算法并行训练T个基分类器,集成训练后的T个分类器,获得药物不良反应的预测模型。
技术关键词
药物不良反应
预测模型构建方法
样本
谱聚类算法
集成训练
集成算法
分类器
集成策略
CatBoost算法
模型构建系统
数据处理程序
AdaBoost算法
XGBoost算法
采样模块
可读存储介质
矩阵
数据分类
医药
系统为您推荐了相关专利信息
误差预测
参数优化模型
装备
误差向量
数字孪生系统
供配电系统
仪表识别方法
巡检机器人
仪表读数识别
图像
图像识别模型
样本生成方法
车载图像采集装置
非临时性计算机可读存储介质
聚类
磁共振图像重建
磁共振图像数据
训练深度学习模型
生成训练样本
模型训练方法
风电功率预测方法
形状控制器
概率密度函数
基准
模糊神经网络模型