适用于疾病诊断的基于角蜥蜴算法的新型特征选择方法

本发明提出了一种适用于疾病诊断的基于角蜥蜴算法的新型特征选择方法，属于机器学习技术领域，首先生成基础种群代理；对每个代理进行二进制化，生成新的特征选择向量组；判断种群是否为当前最优解或最差解；基于HLOA算法迭代：用迭代之后的种群减去迭代之前的种群，得到差值向量组和阈值进行比较，得到特征选择向量组进行模型的训练与预测，用适应度函数来判断性能，重复直到完成所有迭代次数，输出筛选出的最优特征选择向量组以及与之对应的模型评估结果。本发明经过角蜥蜴算法筛选后的特征能够更好地反映疾病的本质特征和内在规律；有助于提高模型对症状的识别能力。