一种健康预测模型的构建方法及终端设备技术

本发明专利技术适用于数据处理技术领域，提供了一种健康预测模型的构建方法及装置，包括：通过获取用户身体样本数据，并根据所述用户身体样本数据进行符号回归以及横向联邦学习，得到所述用户身体样本数据对应的代表特征数据，进一步，可以根据所述代表特征数据，构建健康预测模型。这样，本发明专利技术在基于符号回归的场景下，在横向联邦学习场景中提出了就符号回归的用户身体样本数据的特征工程方案，从结合不同用户身体样本数据的身体特征数据的基础上构建不同的非线性身体特征数据，增加最终身体特征数据的多样性，从更深层次挖掘身体特征数据的角度提升最终的模型效果，从而提升健康预测模型输出的准确率，即提升健康预测的准确率。即提升健康预测的准确率。即提升健康预测的准确率。

【技术实现步骤摘要】
一种健康预测模型的构建方法及终端设备


[0001]本专利技术属于数据处理
，尤其涉及一种健康预测模型的构建方法及终端设备。

技术介绍

[0002]随着医疗技术的快速发展，人民生活水平的日益提高，及时、准确预测个人的健康可以反映用户的身体健康状况，有利于提示用户关注身体并且及时进行治疗，提高疾病治疗的成功率，且可有效缓解疼痛。而如何提升健康预测的准确率，是本领域技术人员亟待解决的问题。

技术实现思路

[0003]有鉴于此，本专利技术实施例提供了一种健康预测模型的构建方法及终端设备，以解决现有技术中如何提升健康预测的准确率的问题。
[0004]本专利技术实施例的第一方面提供了一种健康预测模型的构建方法，包括：
[0005]获取用户身体样本数据；
[0006]根据所述用户身体样本数据进行符号回归以及横向联邦学习，得到所述用户身体样本数据对应的代表特征数据；
[0007]根据所述代表特征数据，构建用户的健康预测模型。
[0008]可选的，所述用户身体样本数据包括身体特征数据以及所述身体特征数本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种健康预测模型的构建方法，其特征在于，包括：获取用户身体样本数据；根据所述用户身体样本数据进行符号回归以及横向联邦学习，得到所述用户身体样本数据对应的代表特征数据；根据所述代表特征数据，构建用户的健康预测模型。2.如权利要求1所述的一种健康预测模型的构建方法，其特征在于，所述用户身体样本数据包括身体特征数据以及所述身体特征数据对应的标签；所述根据所述用户身体样本数据进行符号回归以及横向联邦学习，得到所述用户身体样本数据对应的代表特征数据，包括：对所述身体特征数据进行数据扩增处理，得到所述身体特征数据对应的若干扩增身体特征数据；根据所述身体特征数据对应的若干扩增身体特征数据，确定代表特征数据；其中，所述代表特征数据为在所述身体特征数据对应的若干扩增身体特征数据中，与所述身体特征数据对应的标签的适应度最高的扩增身体特征数据；判断是否满足迭代条件；其中，所述迭代条件为身体特征数据的迭代筛选次数满足预设阈值；若未满足所述迭代条件，则将所述代表特征数据作为身体特征数据，重新执行所述对所述身体特征数据进行数据扩增处理，得到所述身体特征数据对应的若干扩增身体特征数据的步骤，直至满足所述迭代条件。3.如权利要求2所述的一种健康预测模型的构建方法，其特征在于，所述数据扩增处理为随机变形组合处理。4.如权利要求2所述的一种健康预测模型的构建方法，其特征在于，所述根据所述身体特征数据对应的若干扩增身体特征数据，确定代表特征数据，包括：计算所述若干扩增身体特征数据各自分别与所述身体特征数据对应的标签的适应度；在所述若干扩增身体特征数据各自分别对应的适应度中，确定适应度最高的扩增身体特征数据，并将所述适应度最高的身体特征数据作为代表特征数据。5.如权利要求1-4中任一所述的一种健康预测模型的构建方法，其特征在于，所述身体特征数据包括身体指标数据、用户身份信息、用户位置信息；所述身体特征数据对应的标签为健康。6.一种健康预测模型的构建装置，其特征在于，包括：获取单...

【专利技术属性】
技术研发人员：何博睿，
申请(专利权)人：新智数字科技有限公司，
类型：发明
国别省市：