用于自动产生分层树网络并且使用对于所述分层树网络的每个叶子优化的两种互补学习算法制造技术

一种系统和方法，用于产生分层树网络，并且使用线性加非线性学习算法来形成关于成员的健康状态的一致视图。在所述分层树网络中的每个叶子在临床特点、经历时段和可用数据资产上同质。对于每个叶子执行优化，以便可以对于每个叶子特有的本地特点定制特征和学习算法。

【技术实现步骤摘要】
【国外来华专利技术】
本专利技术涉及一种用于产生分层树网络并且使用线性加非线性学习算法来形成关于成员的未来健康状态的一致观点的系统和方法。在所述分层树网络中的每个叶子在临床特性、经历时段和可用数据资产上同质(homogeneous)。对于每个叶子执行优化，以便可以对于每个叶子专有的本地特性定制(tailor)特征和学习算法。
技术实现思路
本专利技术用于一种用于预测人的未来健康状态的方法。所述方法包括步骤一种用于预测人的未来健康状态的方法。所述方法包括步骤a.建立作为多个层化变量的函数的分层树网络，对于多个成员，所述分层树网络把每个成员分配到多个节点中的至多仅一个；b.对于所述多个成员和用于每个所述成员，向基于计算机的系统提供成员人口数据(demographic data)、可得的成员医疗索赔数据和可得的成员医药索赔数据；c.对于所述多个节点的每个执行特征选择，以对于每个节点标识来自包括下述项的至少一些的集合的特征的最佳子集针对于被分配到该所述节点的所有成员的所述成员人口数据、所述可得的成员医疗索赔数据、所述可得的成员医药索赔数据；d.使用下述项的至少一些来训练MVLR算法和BRN算法所述成员人口数据、本文档来自技高网...

【技术保护点】
一种用于预测人的未来健康状态的方法，所述方法包括步骤：ａ．建立作为多个层化变量的函数的分层树网络，对于多个成员，所述分层树网络把每个成员分配到多个节点中的至多仅一个；ｂ．对于所述多个成员和对于每个所述成员，向基于计算机的系统提供成员人口数据、可得的成员医疗索赔数据和可得的成员医药索赔数据；ｃ．对于所述多个节点的每个执行特征选择，以对于每个所述节点标识来自包括下述项的至少一些的集合的特征的最佳子集：针对于被分配到该所述节点的所有成员的所述成员人口数据、所述可得的成员医疗索赔数据、所述可得的成员医药索赔数据；ｄ．使用下述项的至少一些来训练ＭＶＬＲ算法和ＢＲＮ算法：所述成员人口数据、所述可得的成员医...

【技术特征摘要】
【国外来华专利技术】...

【专利技术属性】
技术研发人员：戴维H基尔，戴维B波特施米特，
申请(专利权)人：赫马纳股份有限公司，
类型：发明
国别省市：US[美国]