摘要
本发明提出的是一种细菌感染类疾病治疗效果的预测及优化方法,该方法包括:步骤1)采集患者临床信息得到原始数据;步骤2)对原始数据进行预处理得到原始数据集;步骤3)划分原始数据集得到训练集和测试集;步骤4)基于训练集,使用SHAP算法与Boruta算法,计算出核心特征集;步骤5)从核心特征集中选择最优特征组合,构建不同的最优基础模型;步骤6)基于基础模型,使用集成算法,构建集成机器学习模型;本发明能够解决现有技术无法对细菌感染类疾病多种治疗效果进行同时预测的问题。
技术关键词
感染类疾病
集成机器学习
集成学习模型
基础
超参数
变量
集成算法
核心
朴素贝叶斯算法
支持向量机算法
后续数据处理
逻辑回归算法
患者
交叉验证方法
综合性
抗感染药物
降钙素原
系统为您推荐了相关专利信息
图像生成网络
图像生成方法
染色
病理切片图像
预训练语言模型