CN108573753A - 一种融合Bagging的XGboost慢性肾病分期预测算法 - Google Patents

一种融合Bagging的XGboost慢性肾病分期预测算法 Download PDF

Info

Publication number
CN108573753A
CN108573753A CN201810383551.9A CN201810383551A CN108573753A CN 108573753 A CN108573753 A CN 108573753A CN 201810383551 A CN201810383551 A CN 201810383551A CN 108573753 A CN108573753 A CN 108573753A
Authority
CN
China
Prior art keywords
xgboost
bagging
classification
algorithms
fusion
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN201810383551.9A
Other languages
English (en)
Inventor
葛晓雪
李盛乐
葛胜男
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Individual
Original Assignee
Individual
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Individual filed Critical Individual
Priority to CN201810383551.9A priority Critical patent/CN108573753A/zh
Publication of CN108573753A publication Critical patent/CN108573753A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/70—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for mining of medical data, e.g. analysing previous cases of other patients

Landscapes

  • Engineering & Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Public Health (AREA)
  • Biomedical Technology (AREA)
  • Databases & Information Systems (AREA)
  • Pathology (AREA)
  • Epidemiology (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Investigating Or Analysing Biological Materials (AREA)

Abstract

本发明公开了一种融合Bagging的XGboost慢性肾病分期预测算法，该算法在XGboost算法基础上，引入Bagging集成学习算法，通过对原始样本进行k轮集中有放回的抽取训练集，得到k个相互独立的训练集，将每个训练集通过XGboost算法学习到的弱分类器通过一定的规则，组合成一个强分类器，在规则的制定上，引入“投票”机制，即“少数服从多数”原则，每个弱分类器都具有投票权且重要性相同，弱分类器器投出最多票数的类别或者类别之一为最终类别。

Description

一种融合Bagging的XGboost慢性肾病分期预测算法
技术领域
本发明涉及慢性肾病分类预测算法，特别涉及一种融合Bagging的XGboost慢性肾病分期预测算法。
背景技术
由于慢性肾病早期症状不明显、病因复杂及患者自我意识薄弱，造成慢性肾病知晓率、早期诊断率和治疗率都较低，导致目前慢性肾病防治困难的现状。将数据挖掘技术应用于医疗领域，利用已知的医疗数据建立模型，为疾病诊断和预后提供一定的参考，是传统医学与信息技术相结合的典型应用。Bagging算法是一种将弱分类器组装成强分类器的方法，通过从原始样本进行k轮集中有放回的抽取训练集，得到k个相互独立的训练集，每次使用一个训练集得到一个模型，k个训练集共得到k个模型，若为分类问题，则将上步得到的k个模型采用投票的方式得到分类结果；若为回归问题，计算上述模型的均值作为最后的结果(所有模型的重要性相同)。
发明内容
本发明公开了一种融合Bagging的XGboost慢性肾病分期预测算法。该算法在XGboost算法基础上，引入Bagging集成学习算法，将许多通过XGboost算法学习到的弱分类器通过一定的规则，组合成一个强分类器。在规则的制定上，引入“投票”机制，即“少数服从多数”原则，每个弱分类器都具有投票权且重要性相同，弱分类器器投出最多票数的类别或者类别之一为最终类别。
附图说明
图1为本发明一种融合Bagging的XGboost慢性肾病分期预测算法的原理图；
图2为本发明Bagging算法实现过程图；
具体实施方式
下面结合附图和实施对本发明进一步说明。
如图1所示，本发明公开了一种融合Bagging的XGboost慢性肾病分期预测算法，该算法在XGboost算法基础上，引入Bagging集成学习算法，通过对原始样本进行k轮集中有放回的抽取训练集，得到k个相互独立的训练集，将每个训练集通过XGboost算法学习到的弱分类器通过一定的规则，组合成一个强分类器。在规则的制定上，引入“投票”机制，即“少数服从多数”原则，每个弱分类器都具有投票权且重要性相同，弱分类器器投出最多票数的类别或者类别之一为最终类别。
图2是本发明Bagging算法实现过程图，通过从原始样本进行k轮集中有放回的抽取训练集，得到k个相互独立的训练集，每次使用一个训练集得到一个模型，k个训练集共得到k个模型，若为分类问题，则将上步得到的k个模型采用投票的方式得到分类结果；若为回归问题，计算上述模型的均值作为最后的结果(所有模型的重要性相同)。

Claims (4)

1.本发明公开了一种融合Bagging的XGboost慢性肾病分期预测算法，该算法在XGboost算法基础上，引入Bagging集成学习算法，通过对原始样本进行k轮集中有放回的抽取训练集，得到k个相互独立的训练集，将每个训练集通过XGboost算法学习到的弱分类器通过一定的规则，组合成一个强分类器，在规则的制定上，引入“投票”机制，即“少数服从多数”原则，每个弱分类器都具有投票权，弱分类器器投出最多票数的类别或者类别之一为最终类别(所有模型的重要性相同)。
2.根据权利要求1所述的一种融合Bagging的XGboost慢性肾病分期预测算法，其特征在于：将XGboost算法作为一个弱分类器，同时与Bagging算法相结合，最终构建强分类器。
3.根据权利要求1所述的一种融合Bagging的XGboost慢性肾病分期预测算法，其特征在于：通过对样本多次随机采样，得到采样集1，2，……，m，对于每一个采样集，利用XGboost算法分别构建弱分类器对其进行分类。
4.根据权利要求1所述的一种融合Bagging的XGboost慢性肾病分期预测算法，其特征在于：构建的每一个弱分类器都具有投票权且重要性相同，分类器投出最多票数的类别或者类别之一为最终类别。
CN201810383551.9A 2018-04-26 2018-04-26 一种融合Bagging的XGboost慢性肾病分期预测算法 Pending CN108573753A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810383551.9A CN108573753A (zh) 2018-04-26 2018-04-26 一种融合Bagging的XGboost慢性肾病分期预测算法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810383551.9A CN108573753A (zh) 2018-04-26 2018-04-26 一种融合Bagging的XGboost慢性肾病分期预测算法

Publications (1)

Publication Number Publication Date
CN108573753A true CN108573753A (zh) 2018-09-25

Family

ID=63574438

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810383551.9A Pending CN108573753A (zh) 2018-04-26 2018-04-26 一种融合Bagging的XGboost慢性肾病分期预测算法

Country Status (1)

Country Link
CN (1) CN108573753A (zh)

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109065171A (zh) * 2018-11-05 2018-12-21 苏州贝斯派生物科技有限公司 基于集成学习的川崎病风险评估模型的构建方法及系统
CN109493975A (zh) * 2018-12-20 2019-03-19 广州天鹏计算机科技有限公司 基于xgboost模型的慢性病复发预测方法、装置和计算机设备
CN109614580A (zh) * 2019-02-21 2019-04-12 东南大学 基于在线Xgboost算法的抗震混合试验模型更新方法
CN111554401A (zh) * 2020-03-26 2020-08-18 肾泰网健康科技(南京)有限公司 一种构建ai慢性肾病筛查模型的方法、慢性肾病筛查方法及系统
CN112927795A (zh) * 2021-02-23 2021-06-08 山东大学 基于bagging算法的乳腺癌预测方法
CN113704756A (zh) * 2021-07-19 2021-11-26 广州大学 基于集成策略的挖矿型恶意代码鲁棒性检测方法、系统及介质
US11350887B2 (en) 2019-08-07 2022-06-07 Fresenius Medical Care Holdings, Inc. Systems and methods for detection of potential health issues

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20140278130A1 (en) * 2013-03-14 2014-09-18 William Michael Bowles Method of predicting toxicity for chemical compounds
WO2016201575A1 (en) * 2015-06-17 2016-12-22 Uti Limited Partnership Systems and methods for predicting cardiotoxicity of molecular parameters of a compound based on machine learning algorithms
CN107332848A (zh) * 2017-07-05 2017-11-07 重庆邮电大学 一种基于大数据的网络流量异常实时监测系统

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20140278130A1 (en) * 2013-03-14 2014-09-18 William Michael Bowles Method of predicting toxicity for chemical compounds
WO2016201575A1 (en) * 2015-06-17 2016-12-22 Uti Limited Partnership Systems and methods for predicting cardiotoxicity of molecular parameters of a compound based on machine learning algorithms
CN107332848A (zh) * 2017-07-05 2017-11-07 重庆邮电大学 一种基于大数据的网络流量异常实时监测系统

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
谢冬青等: ""基于Bagging策略的XGBoost算法在商品购买预测中的应用"", 《现代信息科技》 *

Cited By (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109065171A (zh) * 2018-11-05 2018-12-21 苏州贝斯派生物科技有限公司 基于集成学习的川崎病风险评估模型的构建方法及系统
CN109493975A (zh) * 2018-12-20 2019-03-19 广州天鹏计算机科技有限公司 基于xgboost模型的慢性病复发预测方法、装置和计算机设备
CN109493975B (zh) * 2018-12-20 2021-10-01 广州医科大学附属第一医院 基于xgboost模型的慢性病复发预测方法、装置和计算机设备
CN109614580A (zh) * 2019-02-21 2019-04-12 东南大学 基于在线Xgboost算法的抗震混合试验模型更新方法
US11350887B2 (en) 2019-08-07 2022-06-07 Fresenius Medical Care Holdings, Inc. Systems and methods for detection of potential health issues
CN111554401A (zh) * 2020-03-26 2020-08-18 肾泰网健康科技(南京)有限公司 一种构建ai慢性肾病筛查模型的方法、慢性肾病筛查方法及系统
CN111554401B (zh) * 2020-03-26 2020-12-29 肾泰网健康科技(南京)有限公司 Ai慢性肾病风险筛查建模方法、慢性肾病风险筛查方法及系统
WO2021190300A1 (zh) * 2020-03-26 2021-09-30 肾泰网健康科技(南京)有限公司 Ai慢性肾病风险筛查建模方法、慢性肾病风险筛查方法及系统
CN112927795A (zh) * 2021-02-23 2021-06-08 山东大学 基于bagging算法的乳腺癌预测方法
CN113704756A (zh) * 2021-07-19 2021-11-26 广州大学 基于集成策略的挖矿型恶意代码鲁棒性检测方法、系统及介质

Similar Documents

Publication Publication Date Title
CN108573753A (zh) 一种融合Bagging的XGboost慢性肾病分期预测算法
Gjoreski et al. Machine learning and end-to-end deep learning for the detection of chronic heart failure from heart sounds
US20210374958A1 (en) Neural network classification
TWI813696B (zh) 處理來自一醫學影像裝置之即時視訊及偵測於該視訊中之物體的系統及方法
Gandhi et al. Predictions in heart disease using techniques of data mining
JP6906347B2 (ja) 医用画像分類装置、方法およびプログラム
CN109003679B (zh) 一种脑血管出血与缺血预测方法及装置
KR102100698B1 (ko) 앙상블 학습 알고리즘을 이용한 인공지능 기반 진단 보조 시스템
JP6877486B2 (ja) 情報処理装置、内視鏡用プロセッサ、情報処理方法およびプログラム
CN106504232A (zh) 一种基于3d卷积神经网络的肺部结节自动检测方法
US10713783B2 (en) Neural network classification
Gupta Pneumonia detection using convolutional neural networks
CN111785366B (zh) 患者治疗方案的确定方法、装置及计算机设备
Deschepper et al. A hospital wide predictive model for unplanned readmission using hierarchical ICD data
CN106096286A (zh) 临床路径制定方法及装置
KR102446376B1 (ko) 사망 또는 패혈증 위험도 예측 방법 및 이를 이용한 사망 또는 패혈증 위험도 예측용 디바이스
KR20200131020A (ko) 의료기계 학습 시스템
US11935239B2 (en) Control method, apparatus and program for system for determining lesion obtained via real-time image
Soundrapandiyan et al. AI-based wavelet and stacked deep learning architecture for detecting coronavirus (COVID-19) from chest X-ray images
Singh Pneumonia detection using deep learning
Wang et al. A maintenance hemodialysis mortality prediction model based on anomaly detection using longitudinal hemodialysis data
Zeng et al. A multimodal parallel method for left ventricular dysfunction identification based on phonocardiogram and electrocardiogram signals synchronous analysis
US20230290506A1 (en) Systems and methods for rapidly screening for signs and symptoms of disorders
Ghias et al. Using Machine Learning Algorithms to predict sepsis and its stages in ICU patients
Hanif et al. Upper airway classification in sleep endoscopy examinations using convolutional recurrent neural networks

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
WD01 Invention patent application deemed withdrawn after publication
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20180925