摘要
本发明提供了一种基于随机森林的慢性病共病网络图的疾病风险预测方法,步骤1)搜集患者病例信息形成预处理的数据集;步骤2)将预处理的数据集分为目标疾病队列和非目标疾病队列;步骤3)分别针对目标疾病队列和非目标疾病队列的病人构建个人疾病网络;步骤4)通过聚合的方式得到关于目标疾病队列和非目标疾病队列的两条基线共病网络;步骤5)对两条基线共病网络进一步进行聚合,得到一条最终的共病网络;步骤6)通过对共病网络中的数据进行计算,提取特征变量;步骤7)使用随机森林预测模型对提取的特征变量进行预测。该方法通过随机森林模型的强泛化能力和鲁棒性,结合共病网络的信息,能够更加精准地预测个体化的疾病风险值。
技术关键词
疾病风险预测方法
网络
队列
基线
模式匹配
患者
变量
频率
随机森林模型
评分方法
数据
特征数
源节点
代表
超参数
鲁棒性
系统为您推荐了相关专利信息
分布式光伏并网系统
短路电流计算方法
牛顿迭代算法
光伏电源
数学模块
三维点云模型
可见光图像
缺陷智能
输电塔基
结构健康监测
新能源汽车高压线
降噪方法
噪声数据
波动特征
电流
点击率预估模型
特征融合方法
推荐系统
日志
文章