本技術(shù)涉及計算機(jī)，尤其涉及一種糖尿病預(yù)測模型特征選取方法及裝置。

背景技術(shù)：

1、特征選擇是訓(xùn)練糖尿病預(yù)測模型的預(yù)處理階段，直接影響到糖尿病預(yù)測模型的訓(xùn)練效率以及準(zhǔn)確性。通過消除多余的特征，能夠降低模型訓(xùn)練的復(fù)雜度，提升訓(xùn)練效率。特征選擇可以視為一個組合優(yōu)化任務(wù)。假設(shè)數(shù)據(jù)集中包含n個原始特征，則特征選擇過程傾向于從2n-1個可能的特征組合中選擇一個。然而當(dāng)特征數(shù)量很大時，幾乎不可能使用窮舉搜索找到最優(yōu)的特征子集。

2、目前常見的特征選擇方法有兩種，分別是包裝器方法和過濾器方法，其中，過濾器方法是根據(jù)數(shù)據(jù)的內(nèi)在屬性來評估特征，例如距離度量、相關(guān)性度量、一致性度量和信息度量等；包裝器方法是使用分類算法的預(yù)測精度來評估所選的特征子集，例如k-最近鄰、支持向量機(jī)、神經(jīng)網(wǎng)絡(luò)和貝葉斯網(wǎng)絡(luò)等。相比較而言，包裝器方法可以獲得較高的分類精度但是比較耗時，而過濾器方法通常運(yùn)算時間比較少但是獲得的精度較低。

3、因此，亟需一種更優(yōu)的特征選擇方法用于選取訓(xùn)練糖尿病預(yù)測模型的特征。

技術(shù)實現(xiàn)思路

1、本技術(shù)提供一種糖尿病預(yù)測模型特征選取方法及裝置，用以提升特征選取的效率。

2、第一方面，本技術(shù)提供一種糖尿病預(yù)測模型特征選取方法，該方法包括：

3、確定與糖尿病預(yù)測相關(guān)的m個待選擇特征，m為正整數(shù)；所述m個待選擇特征包括懷孕次數(shù)、血糖濃度、血壓水平、三頭肌皮褶厚度、胰島素水平、體重指數(shù)、糖尿病家族遺傳率以及年齡中的至少一個；

4、初始化特征選取結(jié)果集合，所述特征選取結(jié)果集合中任意一個特征選取結(jié)果均由m位二進(jìn)制數(shù)組成，所述m位二進(jìn)制數(shù)分別用于表示所述m個待選擇特征的選取情況；所述特征選取結(jié)果集合中的特征選取結(jié)果總數(shù)小于2m-1；

5、針對所述特征選取結(jié)果集合中的任意一個特征選取結(jié)果，根據(jù)所述特征選取結(jié)果構(gòu)建的多個樣本在預(yù)設(shè)分類器下的預(yù)測結(jié)果，確定所述特征選取結(jié)果的適應(yīng)度；所述預(yù)測結(jié)果表征樣本是否患有糖尿病的預(yù)測指示；

6、確定所述特征選取結(jié)果集合中適應(yīng)度最佳的特征選取結(jié)果；

7、基于第t-1輪的特征選取結(jié)果集合中適應(yīng)度最佳的特征選取結(jié)果，對第t-1輪的特征選取結(jié)果集合中的各特征選取結(jié)果進(jìn)行迭代更新，得到第t輪的特征選取結(jié)果集合；

8、基于滿足迭代終止條件時的第m輪的特征選取結(jié)果集合，確定所述第m輪的特征選取結(jié)果集合中適應(yīng)度最佳的特征選取結(jié)果為與糖尿病預(yù)測相關(guān)的n個最佳特征，n為正整數(shù)且n小于或等于m。

9、當(dāng)從m個待選擇特征中選取若干個特征來訓(xùn)練糖尿病預(yù)測模型時，通常是將m個待選擇特征的選取情況窮舉，共有2m-1種選取情況，然后分別計算這2m-1種選取情況的適應(yīng)度，將適應(yīng)度分?jǐn)?shù)最高的作為最終選取結(jié)果；當(dāng)m較大時，窮舉2m-1種選取情況以及計算各種選取情況的適應(yīng)度工作量較大，效率較低。本技術(shù)所提出的方法先初始化一個特征選取結(jié)果集合，該特征選取結(jié)果集合的特征選取結(jié)果總數(shù)是小于2m-1的，然后確定出特征選取結(jié)果集合中適應(yīng)度最佳的特征選取結(jié)果，再基于適應(yīng)度最佳的特征選取結(jié)果進(jìn)行迭代更新，以獲取更多新的特征選取結(jié)果，增加特征選取結(jié)果集合中特征選取結(jié)果的數(shù)量，進(jìn)而增加出現(xiàn)適應(yīng)度更佳的特征選取結(jié)果的概率，且本技術(shù)所要計算適應(yīng)度的特征選取結(jié)果數(shù)量顯著減少，能夠加快m輪迭代的進(jìn)程，進(jìn)而加快n個最佳特征的確定，即提升n個最佳特征的確定效率。

10、在一種可能的設(shè)計中，所述根據(jù)所述特征選取結(jié)果構(gòu)建的多個樣本在預(yù)設(shè)分類器下的預(yù)測結(jié)果，確定所述特征選取結(jié)果的適應(yīng)度，包括：

11、針對所述特征選取結(jié)果構(gòu)建的任一樣本，將所述樣本輸入隨機(jī)森林分類器，得到所述樣本的預(yù)測指示；

12、根據(jù)多個樣本的預(yù)測指示與多個樣本的真實標(biāo)簽，確定所述特征選取結(jié)果的誤判結(jié)果；

13、基于所述特征選取結(jié)果的誤判結(jié)果，確定所述特征選取結(jié)果的適應(yīng)度。

14、隨機(jī)森林分類器在糖尿病預(yù)測場景中具有較好的表現(xiàn)，換句話說，隨機(jī)森林分類器在預(yù)測糖尿病時具有較好的準(zhǔn)確率，因此，基于隨機(jī)森林分類器的輸出來來計算特征選取結(jié)果的適應(yīng)度能夠提升適應(yīng)度的準(zhǔn)確性。

15、在一種可能的設(shè)計中，基于第t-1輪的特征選取結(jié)果集合中適應(yīng)度最佳的特征選取結(jié)果，對第t-1輪的特征選取結(jié)果集合中的各特征選取結(jié)果進(jìn)行迭代更新，包括：

16、在每輪迭代之前，確定第一隨機(jī)數(shù)；

17、若所述第一隨機(jī)數(shù)小于預(yù)設(shè)數(shù)值，則采用貉藻算法的探索迭代過程，基于第t-1輪的特征選取結(jié)果集合中適應(yīng)度最佳的特征選取結(jié)果，對第t-1輪的特征選取結(jié)果集合中的各特征選取結(jié)果進(jìn)行迭代更新；

18、若所述第一隨機(jī)數(shù)大于或等于所述預(yù)設(shè)數(shù)值，則采用所述貉藻算法的開發(fā)迭代過程，基于第t-1輪的特征選取結(jié)果集合中適應(yīng)度最佳的特征選取結(jié)果，對第t-1輪的特征選取結(jié)果集合中的各特征選取結(jié)果進(jìn)行迭代更新。

19、本技術(shù)通過在每輪迭代前確定第一隨機(jī)數(shù)的方式來隨機(jī)切換每輪迭代的迭代模式，一種是貉藻算法的探索迭代過程，另一種是貉藻算法的開發(fā)迭代過程，其中，貉藻算法的探索迭代過程側(cè)重于大范圍搜索特征選取結(jié)果的可能性，而貉藻算法的開發(fā)迭代過程則專注于局部搜索，更加精細(xì)地優(yōu)化當(dāng)前適應(yīng)度最佳的特征選取結(jié)果；通過這兩種迭代過程的交替能夠有效平衡全局搜索與局部開發(fā)，避免陷入局部最優(yōu)并提升搜索效率。

20、在一種可能的設(shè)計中，所述采用貉藻算法的探索迭代過程，基于第t-1輪的特征選取結(jié)果集合中適應(yīng)度最佳的特征選取結(jié)果，對第t-1輪的特征選取結(jié)果集合中的各特征選取結(jié)果進(jìn)行迭代更新，包括：

21、采用所述貉藻算法的探索迭代過程對第t-1輪的特征選取結(jié)果集合中的各特征選取結(jié)果進(jìn)行迭代更新后獲取的特征選取結(jié)果p(t)的計算公式為：

22、p(t)＝p(t-1)+w1(2k+r1)

23、其中，p(t-1)為第t-1輪的特征選取結(jié)果集合中的各特征選取結(jié)果；w1為r2×(kpbest+2k)，pbest為第t-1輪的特征選取結(jié)果集合中適應(yīng)度最佳的特征選取結(jié)果，k為r1和r2為每輪迭代之前確定的隨機(jī)數(shù)。

24、貉藻算法的探索迭代過程中的w1和第t-1輪的特征選取結(jié)果集合中的各特征選取結(jié)果無關(guān)，且p(t)還和隨機(jī)數(shù)r1相關(guān)，因此，貉藻算法的探索迭代過程中確定的迭代后的特征選取結(jié)果p(t)跳躍性更大，和迭代前的特征選取結(jié)果p(t-1)的差異較大，增加獲取不同的特征選取結(jié)果的可能性。

25、在一種可能的設(shè)計中，若采用所述貉藻算法的探索迭代過程對第t-1輪的特征選取結(jié)果集合中的各特征選取結(jié)果進(jìn)行迭代更新時，進(jìn)行預(yù)設(shè)迭代輪數(shù)之后存在至少一個特征選取結(jié)果未發(fā)生變化，則引入高斯分布擾動對所述至少一個特征選取結(jié)果進(jìn)行迭代更新以獲取新的特征選取結(jié)果。

26、貉藻算法的探索迭代過程期望擴(kuò)大探索范圍或者說期望迭代后的特征選取結(jié)果與迭代前的特征選取結(jié)果差異較大，而高斯分布擾動的特性恰恰是隨機(jī)性，這種隨機(jī)性使得擾動的影響更加不可預(yù)測，可以幫助更廣泛地探索搜索空間，增加找到全局適應(yīng)度最佳的特征選取結(jié)果的機(jī)會。

27、在一種可能的設(shè)計中，所述采用所述貉藻算法的開發(fā)迭代過程，基于第t-1輪的特征選取結(jié)果集合中適應(yīng)度最佳的特征選取結(jié)果，對第t-1輪的特征選取結(jié)果集合中的各特征選取結(jié)果進(jìn)行迭代更新，包括：

28、采用所述貉藻算法的開發(fā)迭代過程對第t-1輪的特征選取結(jié)果集合中的各特征選取結(jié)果進(jìn)行迭代更新后獲取的特征選取結(jié)果p(t)的計算公式為：

29、p(t)＝p(t-1)+kw2

30、其中，p(t-1)為第t-1輪的特征選取結(jié)果集合中的各特征選取結(jié)果，w2為r3×(kpbest+r3p(t-1))，k為pbest為第t-1輪的特征選取結(jié)果集合中適應(yīng)度最佳的特征選取結(jié)果，r3為每輪迭代之前確定的隨機(jī)數(shù)。

31、貉藻算法的開發(fā)迭代過程中的w2和迭代前的特征選取結(jié)果p(t-1)相關(guān)，因此，w2和迭代前的特征選取結(jié)果關(guān)聯(lián)更緊密，進(jìn)而再根據(jù)w2和迭代前的特征選取結(jié)果p(t-1)確定迭代后的特征選取結(jié)果p(t)能夠使得p(t)和p(t-1)關(guān)聯(lián)更緊密，換句話說，能夠使得迭代后的特征選取結(jié)果p(t)和迭代前的特征選取結(jié)果p(t-1)的差異較小。

32、此外，不論是貉藻算法的探索迭代過程還是開發(fā)迭代過程，迭代后的特征選取結(jié)果的計算公式均涉及參數(shù)k，且k隨著迭代輪數(shù)的增加逐步減小，k的減小使得搜索逐漸集中在適應(yīng)度最佳的特征選取結(jié)果附近進(jìn)行精細(xì)搜索，使得本技術(shù)提出的方法能夠有效利用每一輪迭代，提升效率。

33、在一種可能的設(shè)計中，若采用所述貉藻算法的開發(fā)迭代過程對第t-1輪的特征選取結(jié)果集合中的各特征選取結(jié)果進(jìn)行迭代更新時，進(jìn)行預(yù)設(shè)迭代輪數(shù)之后存在至少一個特征選取結(jié)果未發(fā)生變化，則引入正弦擾動對所述至少一個特征選取結(jié)果進(jìn)行迭代更新以獲取新的特征選取結(jié)果。

34、貉藻算法的開發(fā)迭代過程期望迭代后的特征選取結(jié)果與迭代前的特征選取結(jié)果差異較小，而正弦擾動的特性恰恰是周期性，具體表現(xiàn)為在特征選取結(jié)果的附近上下波動，因此，基于正弦擾動確定的迭代后的特征選取結(jié)果與迭代前的特征選取結(jié)果差異較小，充分利用了正弦擾動的特性。

35、第二方面，本技術(shù)還提供一種糖尿病預(yù)測模型特征選取裝置，該裝置包括：確定模塊、初始化模塊以及迭代模塊；

36、所述確定模塊，用于確定與糖尿病預(yù)測相關(guān)的m個待選擇特征，m為正整數(shù)；所述m個待選擇特征包括懷孕次數(shù)、血糖濃度、血壓水平、三頭肌皮褶厚度、胰島素水平、體重指數(shù)、糖尿病家族遺傳率以及年齡中的至少一個；

37、所述初始化模塊，用于初始化特征選取結(jié)果集合，所述特征選取結(jié)果集合中任意一個特征選取結(jié)果均由m位二進(jìn)制數(shù)組成，所述m位二進(jìn)制數(shù)分別用于表示所述m個待選擇特征的選取情況；所述特征選取結(jié)果集合中的特征選取結(jié)果總數(shù)小于2m-1；

38、所述確定模塊，還用于針對所述特征選取結(jié)果集合中的任意一個特征選取結(jié)果，根據(jù)所述特征選取結(jié)果構(gòu)建的多個樣本在預(yù)設(shè)分類器下的預(yù)測結(jié)果，確定所述特征選取結(jié)果的適應(yīng)度；所述預(yù)測結(jié)果表征樣本是否患有糖尿病的預(yù)測指示；

39、所述確定模塊，還用于確定所述特征選取結(jié)果集合中適應(yīng)度最佳的特征選取結(jié)果；

40、所述迭代模塊，用于基于第t-1輪的特征選取結(jié)果集合中適應(yīng)度最佳的特征選取結(jié)果，對第t-1輪的特征選取結(jié)果集合中的各特征選取結(jié)果進(jìn)行迭代更新，得到第t輪的特征選取結(jié)果集合；

41、所述確定模塊，還用于基于滿足迭代終止條件時的第m輪的特征選取結(jié)果集合，確定所述第m輪的特征選取結(jié)果集合中適應(yīng)度最佳的特征選取結(jié)果為與糖尿病預(yù)測相關(guān)的n個最佳特征，n為正整數(shù)且n小于或等于m。

42、在一種可能的設(shè)計中，所述確定模塊，具體用于針對所述特征選取結(jié)果構(gòu)建的任一樣本，將所述樣本輸入隨機(jī)森林分類器，得到所述樣本的預(yù)測指示；根據(jù)多個樣本的預(yù)測指示與多個樣本的真實標(biāo)簽，確定所述特征選取結(jié)果的誤判結(jié)果；基于所述特征選取結(jié)果的誤判結(jié)果，確定所述特征選取結(jié)果的適應(yīng)度。

43、在一種可能的設(shè)計中，所述迭代模塊，具體用于在每輪迭代之前，確定第一隨機(jī)數(shù)；

44、若所述第一隨機(jī)數(shù)小于預(yù)設(shè)數(shù)值，則采用貉藻算法的探索迭代過程，基于第t-1輪的特征選取結(jié)果集合中適應(yīng)度最佳的特征選取結(jié)果，對第t-1輪的特征選取結(jié)果集合中的各特征選取結(jié)果進(jìn)行迭代更新；

45、若所述第一隨機(jī)數(shù)大于或等于所述預(yù)設(shè)數(shù)值，則采用所述貉藻算法的開發(fā)迭代過程，基于第t-1輪的特征選取結(jié)果集合中適應(yīng)度最佳的特征選取結(jié)果，對第t-1輪的特征選取結(jié)果集合中的各特征選取結(jié)果進(jìn)行迭代更新。

46、在一種可能的設(shè)計中，所述迭代模塊，具體用于采用所述貉藻算法的探索迭代過程對第t-1輪的特征選取結(jié)果集合中的各特征選取結(jié)果進(jìn)行迭代更新后獲取的特征選取結(jié)果p(t)的計算公式為：

47、p(t)＝p(t-1)+w1(2k+r1)

48、其中，p(t-1)為第t-1輪的特征選取結(jié)果集合中的各特征選取結(jié)果；w1為r2×(kpbest+2k)，pbest為第t-1輪的特征選取結(jié)果集合中適應(yīng)度最佳的特征選取結(jié)果，k為r1和r2為每輪迭代之前確定的隨機(jī)數(shù)。

49、在一種可能的設(shè)計中，還包括：若采用所述貉藻算法的探索迭代過程對第t-1輪的特征選取結(jié)果集合中的各特征選取結(jié)果進(jìn)行迭代更新時，進(jìn)行預(yù)設(shè)迭代輪數(shù)之后存在至少一個特征選取結(jié)果未發(fā)生變化，則所述迭代模塊引入高斯分布擾動對所述至少一個特征選取結(jié)果進(jìn)行迭代更新以獲取新的特征選取結(jié)果。

50、在一種可能的設(shè)計中，所述迭代模塊，具體用于采用所述貉藻算法的開發(fā)迭代過程對第t-1輪的特征選取結(jié)果集合中的各特征選取結(jié)果進(jìn)行迭代更新后獲取的特征選取結(jié)果p(t)的計算公式為：

51、p(t)＝p(t-1)+kw2

52、其中，p(t-1)為第t-1輪的特征選取結(jié)果集合中的各特征選取結(jié)果，w2為r3×(kpbest+r3p(t-1))，k為pbest為第t-1輪的特征選取結(jié)果集合中適應(yīng)度最佳的特征選取結(jié)果，r3為每輪迭代之前確定的隨機(jī)數(shù)。

53、在一種可能的設(shè)計中，還包括：若采用所述貉藻算法的開發(fā)迭代過程對第t-1輪的特征選取結(jié)果集合中的各特征選取結(jié)果進(jìn)行迭代更新時，進(jìn)行預(yù)設(shè)迭代輪數(shù)之后存在至少一個特征選取結(jié)果未發(fā)生變化，則所述迭代模塊引入正弦擾動對所述至少一個特征選取結(jié)果進(jìn)行迭代更新以獲取新的特征選取結(jié)果。

54、第三方面，本技術(shù)還提供一種糖尿病預(yù)測模型特征選取設(shè)備，該設(shè)備包括：處理器，以及與所述處理器通信連接的存儲器；

55、所述存儲器存儲計算機(jī)執(zhí)行指令；

56、所述處理器執(zhí)行所述存儲器存儲的計算機(jī)執(zhí)行指令，以實現(xiàn)上述第一方面所述的方法。

57、第四方面，本技術(shù)還提供一種計算機(jī)可讀存儲介質(zhì)，所述可讀存儲介質(zhì)包括程序，當(dāng)所述程序在裝置上執(zhí)行時，使得所述裝置執(zhí)行如上述第一方面中任一項所述的方法。

58、第五方面，本技術(shù)還提供一種計算機(jī)程序產(chǎn)品，所述計算機(jī)程序產(chǎn)品包括計算機(jī)程序，所述計算機(jī)程序被處理器執(zhí)行時實現(xiàn)上述第一方面所述的方法。