医学指标时序预测方法、装置、介质及电子设备制造方法及图纸

本公开提供一种医学指标时序预测方法、医学指标时序预测装置、计算机可读存储介质及电子设备；涉及机器学习技术领域。该方法包括：抽取满足预设条件的特征数据；其中，时序上相邻的特征数据之间存在固定时间间隔；对特征数据进行归一化处理，并根据处理结果确定数据集；根据数据集训练各医学指标时序预测模型的参数并从训练后的各医学指标时序预测模型中确定出目标医学指标时序预测模型，以根据目标医学指标时序预测模型进行医学指标时序预测，得到医学指标的时序预测值；其中，时序上相邻的时序预测值之间存在所述固定时间间隔。本公开中的方法能够在一定程度上克服人工成本较高的问题，降低模型训练过程中的人工成本。

Time series prediction method, device, medium and electronic equipment of medical index

【技术实现步骤摘要】
医学指标时序预测方法、装置、介质及电子设备
本公开涉及机器学习
，具体而言，涉及一种医学指标时序预测方法、医学指标时序预测装置、计算机可读存储介质及电子设备。
技术介绍
随着互联网技术的不断发展，人们可以通过机器学习预测数据、处理图像以及分析文本情感极性等。通常情况下，需要相关人员采集样本数据，并对样本数据进行相应的处理，以使得该样本数据能够应用于机器学习模型的学习，进而，可以通过处理后的样本数据对机器学习模型进行训练以及优化，再通过训练优化完成的机器学习模型进行所需的数据预测、图像处理或文本情感极性分析等。但是，这样会存在人工成本较高的问题。需要说明的是，在上述
技术介绍
部分公开的信息仅用于加强对本公开的背景的理解，因此可以包括不构成对本领域普通技术人员已知的现有技术的信息。
技术实现思路
本公开的目的在于提供一种医学指标时序预测方法、医学指标时序预测装置、计算机可读存储介质及电子设备，在一定程度上克服人工成本较高的问题，降低模型训练过程中的人工成本。本公开的其他特性和优点将通过下面的详细描述变得显然，本文档来自技高网...

【技术保护点】
1.一种医学指标时序预测方法，其特征在于，包括：/n抽取满足预设条件的特征数据；其中，时序上相邻的特征数据之间存在固定时间间隔；/n对所述特征数据进行归一化处理，并根据处理结果确定数据集；/n根据所述数据集训练各医学指标时序预测模型并从训练后的各所述医学指标时序预测模型中确定出目标医学指标时序预测模型，以根据所述目标医学指标时序预测模型进行医学指标时序预测，得到医学指标的时序预测值；其中，时序上相邻的时序预测值之间存在所述固定时间间隔。/n

【技术特征摘要】
1.一种医学指标时序预测方法，其特征在于，包括：
抽取满足预设条件的特征数据；其中，时序上相邻的特征数据之间存在固定时间间隔；
对所述特征数据进行归一化处理，并根据处理结果确定数据集；
根据所述数据集训练各医学指标时序预测模型并从训练后的各所述医学指标时序预测模型中确定出目标医学指标时序预测模型，以根据所述目标医学指标时序预测模型进行医学指标时序预测，得到医学指标的时序预测值；其中，时序上相邻的时序预测值之间存在所述固定时间间隔。


2.根据权利要求1所述的方法，其特征在于，抽取满足预设条件的特征数据，包括：
从数据库中确定出满足预设条件的数据，并从满足所述预设条件的数据中确定出预设类别的特征数据。


3.根据权利要求2所述的方法，其特征在于，从满足所述预设条件的数据中确定出预设类别的特征数据，包括：
从满足所述预设条件的数据中确定出预设类别的目标数据，并对所述目标数据进行文字提取以及重编码，以得到特征数据。


4.根据权利要求1所述的方法，其特征在于，对所述特征数据进行归一化处理，包括：
将所述特征数据归一化至预设数据范围内。


5.根据权利要求1所述的方法，其特征在于，所述数据集包括训练集和验证集，根据所述数据集训练各医学指标时序预测模型，包括：
将所述训练集输入各医学指标时序预测模型，以使得各所述医学指标时序预测模型学习所述训练集中的特征数据；
通过所述验证集对学习后的各所述医学指标时序预测模型进行预测效果验证，并根据验证结果调整各所述医学指标时序预测模型的参数。


6.根据权利要求5所述的方法，其特征在于，所述数据集还包括测试集，从训练后的各...

【专利技术属性】
技术研发人员：梁玮，张潇月，郎超，程志达，
申请(专利权)人：医渡云北京技术有限公司，
类型：发明
国别省市：北京;11