一种低秩完备矩阵预测AKI的优化方法及系统

本发明公开了低秩完备矩阵预测AKI的优化方法及系统，方法包括：获取脓毒症病患临床采样标本数据，建立样本序列向量，基于所述序列向量构造Hankel矩阵，通过奇异值分解矩阵得到样本的特征基，通过所述特征基构造基于正交投影约束的核范数目标函数，并引入加权向量进行矩阵补偿，通过半正定规划约束条件完善标本序列向量；解决了原始标本数据内在的特征信息提取的问题；改进了XGBoost模型目标函数中损失函数和正则项，并通过剪枝评估分裂叶节点，解决了过拟合现象，从而提高模型的稳定性和预测性能；针对多个超参数对模型的预测精度存在的影响，通过黑盒贝叶斯优化完成XGBoost模型超参数的调优，解决了预测模型对异常值敏感的问题。