一种融合M-One编码与深度学习的饮食健康指标预测方法

本发明公开了一种融合M‑One编码与深度学习的饮食健康指标预测方法，包括：采集目标用户饮食数据；对采集的数据预处理，对离散特征进行多维影响矩阵M‑One编码，生成二维影响矩阵；根据输入数据的特性，确定三维数据格式的参数；构建CNN‑LSTM模型，使用一维卷积神经网络1D‑CNN对数据进行卷积操作，提取时序数据的特征；通过麻雀算法优化CNN卷积层大小、两个LSTM层的神经元个数和学习率；本发明融合M‑One编码与1D‑CNN和LSTM的混合模型，实现多维特征的深度学习优化，为用户健康管理提供科学依据。