一种基于机器学习算法的阿尔茨海默病预测方法技术

本发明专利技术公开了一种基于机器学习算法的阿尔茨海默病预测方法，具体包括如下步骤：S1、获取样本数据，对各研究变量进行等级化编码及赋值；S2、通过随机采样建立包含多个决策树的随机森林预测模型；S3、将预设值输入随机森林预测模型；S4、根据随机森林预测模型的输出结果，预测阿尔茨海默病的诱因；该预测方法通过机器学习算法有助于找出阿尔茨海默病的诱因，对于有效降低阿尔茨海默病的患病率，具有重要意义。义。义。

【技术实现步骤摘要】
一种基于机器学习算法的阿尔茨海默病预测方法


[0001]本专利技术涉及计算机
，特别涉及一种基于机器学习算法的阿尔茨海默病预测方法。

技术介绍

[0002]阿尔茨海默病是发生于老年和老年前期、以进行性认知功能障碍和行为损害为特征的神经系统疾病，主要表现为记忆障碍、失语、失用、失认、视空间能力损害、抽象思维和计算能力损害、人格和行为改变等，可通过药物治疗改善，目前尚不能治愈。
[0003]随着人口老龄化程度越来越高，逐渐步入老龄化社会，阿尔茨海默病患者逐年增多。作为一种中枢神经系统变性病，它有着起病隐袭、病症进行缓慢等特点，严重威胁老年人身心健康。找出阿尔茨海默病的诱因，对于有效降低阿尔茨海默病的患病率，具有重要意义。

技术实现思路

[0004]为解决上述问题，本专利技术提供了一种基于机器学习算法的阿尔茨海默病预测方法，该预测方法通过机器学习算法有助于找出阿尔茨海默病的诱因，对于有效降低阿尔茨海默病的患病率，具有重要意义。
[0005]本专利技术采用以下技术方案：
[0006]一种基于机器学习算法的阿本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于机器学习算法的阿尔茨海默病预测方法，其特征在于，具体包括如下步骤：S1、获取样本数据，对各研究变量进行等级化编码及赋值；S2、通过随机采样建立包含多个决策树的随机森林预测模型；S3、将预设值输入随机森林预测模型；S4、根据随机森林预测模型的输出结果，预测阿尔茨海默病的诱因。2.如权利要求1所述的一种基于机器学习算法的阿尔茨海默病预测方法，其特征在于：步骤S1中所述研究变量包括烟龄、饮酒史、体育锻炼、蔬菜水果食用。3.如权利要求1所述的一种基于机器学习算法的阿尔茨海默病预测方法，其特征在于，步骤S2的具体过程如下：S21、对样本数据进行T次的随机采样，并依据分类树分类规则生成T个训练集，每个训练集包含m个训练集样本；S22、在m个训练集样本中，对决策树训练样本基于抽样聚合方法进行采样，得到若干自主训练集，并依据自主训练集构建Cart决策树作为弱分类器；S23、随机选择决策树分类特征，生成足够数量的决策树弱分类器；S24、确定决策树分类节点数量mtry和决策树数量ntree；S25、运用已经构建完成的各决策树弱分类器对新的特征向量进行分类，并依据分类结果基于bagging算法合成强分类器，再基于强分类器的分类结果，完成对特征向量的预测与判别；S26、基于随机森林分类中各特征属性的OOB误差，对各特征属性对AD影响程度进行评估。4.如权利要求3所述的一种基于机器学习算法的阿尔茨海默病预测方法，其特征在于，步骤S23的具体过程如下：...

【专利技术属性】
技术研发人员：陈思恩，吴炎泉，
申请(专利权)人：科技谷厦门信息技术有限公司，
类型：发明
国别省市：