【技术实现步骤摘要】
预测模型建构方法、状态预测方法及其装置
[0001]本专利技术涉及机器学习演算法的应用，尤其是涉及一种预测模型建构方法、状态预测方法及其装置，可在数据中的项目存在缺失的情况下，维持建构预测模型的参考数据量，或仍可产生具有准确度的状态预测结果。
技术介绍
[0002]在通过训练数据通过机器学习演算法建构预测模型的过程中，或是在将实测数据输入预测模型以取得预测结果的过程中，常会出现此训练数据或实测数据之中的项目未填或项目内容无法识别的情况，导致无法使用这笔训练数据或无法产生此实测数据的预测结果。
[0003]以根据生理信息进行身体状况的预测为例，当利用机器学习配合生理信息侦测雷达及受测者的填写数据进行数据搜集时，可包含通过测量得到的雷达数据以及通过填写或电脑系统中建档而来的非雷达数据。由于受测者的填写数据(通常为性别、年龄、身高、体重等个人信息)较可能因个人隐私因素而遭到刻意的回避未予填写，造成此项目仅呈空白栏位。反之，由于雷达数据均为通过侦测雷达实际测量，故除非雷达数据在产生或存储阶段发生错误，否则通常较不易出现项目缺...
【技术保护点】
【技术特征摘要】
1.一种预测模型建构方法，包含：接收多笔训练数据，其中每一该些训练数据包含多个训练特征项，且该些训练特征项的每一者用于记载训练特征值；判断每一该些训练数据的该些训练特征项中是否均记载该训练特征值；判定未记载该训练特征值的训练特征项为训练缺失项，判定包含该训练缺失项的训练数据为缺失训练数据，产生对应于该缺失训练数据的该训练缺失项的多个训练扩充值，并根据该些训练扩充值产生对应该缺失训练数据的多笔扩充训练数据；组成训练集合，该训练集合至少包含该些扩充训练数据及该些训练数据之中不具有该训练缺失项的训练数据；以及以机器学习演算法基于该训练集合产生预测模型，并存储或输出该预测模型。2.如权利要求1所述的预测模型建构方法，在产生该预测模型后，另执行测试程序以判断应否更新该预测模型，该测试程序包含：接收多笔测试数据，其中每一该些测试数据包含多个测试特征项，且该些测试特征项的每一者用于记载测试特征值；判断每一该些测试数据的该些测试特征项中是否均记载该测试特征值；判定未记载该测试特征值的测试特征项为测试缺失项，判定包含该测试缺失项的测试数据为缺失测试数据，产生对应于该缺失测试数据的该测试缺失项的多个测试扩充值，并根据该些测试扩充值产生对应该缺失测试数据的多笔扩充测试数据；组成测试集合，该测试集合至少包含该些扩充测试数据及该些测试数据之中不具有该测试缺失项的测试数据；将该测试集合输入该预测模型以取得比对结果，并基于该比对结果选择性地更新该预测模型。3.如权利要求1所述的预测模型建构方法，其中该些训练特征项至少包含关联于非以测量方式取得的非测量特征项，判断每一该些训练数据的该些训练特征项中是否均记载该训练特征值包含：判断该非测量特征项是否记载该训练特征值。4.如权利要求3所述的预测模型建构方法，其中该非测量特征项关联于体质特征，该预测模型用于产生预测结果，该预测结果关联于以下生理状态中的至少一者：中枢型睡眠呼吸暂停(CentralSleep Apnea，CSA)、呼吸不足(Hypopnea)、呼吸唤醒(Respiratory Arousal)以及阻塞性睡眠呼吸暂停(Obstructive sleep apnea，OSA)。5.如权利要求1所述的预测模型建构方法，其中以该机器学习演算法基于该训练集合产生该预测模型包含：以聚类演算法作为该机器学习演算法产生该预测模型。6.如权利要求1所述的预测模型建构方法，其中以该机器学习演算法基于该训练集合产生该预测模型包含：以线性回归演算法作为该机器学习演算法产生该预测模型。7.如权利要求1所述的预测模型建构方法，其中以该机器学习演算法基于该训练集合产生该预测模型包含：以支持向量机演算法作为该机器学习演算法产生该预测模型。8.如权利要求1所述的预测模型建构方法，其中该些扩充训练数据为多个第一扩充训练数据，在组成该训练集合之前，该预测模型建构方法还包含：对应于该些训练扩充值的数量等比例复制该些训练数据之中不具有该训练缺失项的训练数据，其中依复制而增加的训
练数据为多个第二扩充训练数据；其中组成该训练集合包含：以该些第一扩充训练数据、该些第二扩充训练数据及该些训练数据之中不具有该训练缺失项的训练数据组成该训练集合。9.如权利要...
【专利技术属性】
技术研发人员：张耀宗，
申请(专利权)人：纬创资通股份有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。