CN109919196B

CN109919196B - 一种基于特征选择和分类模型的体质识别方法

Info

Publication number: CN109919196B
Application number: CN201910105155.4A
Authority: CN
Inventors: 文贵华; 李杨辉
Original assignee: South China University of Technology SCUT
Current assignee: South China University of Technology SCUT
Priority date: 2019-02-01
Filing date: 2019-02-01
Publication date: 2023-12-08
Anticipated expiration: 2039-02-01
Also published as: CN109919196A

Abstract

本发明公开了一种基于特征选择和分类模型的体质识别方法，包括步骤：通过随机数生成算法生成《中医体质分类与判定表》中全部问题的回答；根据《中医体质分类与判定表》的判定方法和判定标准，计算出当前回答下对应的体质类型；通过特征选择算法，从《中医体质分类与判定表》的全部问题中，选出具有代表性的部分问题；设计分类模型，利用部分问题的回答和对应的体质类型，训练得到一个体质识别模型；本发明引入了随机数生成算法、特征选择算法和分类模型等技术，有效地降低诊断时间，提高诊断效率，且保证了体质识别的有效性，具有一定的市场价值和推广价值。

Description

一种基于特征选择和分类模型的体质识别方法

技术领域

本发明涉及模式识别技术领域，具体涉及一种基于特征选择和分类模型的体质识别方法。

背景技术

人体体质是在先天遗传和后天获得的基础上表现出来的形态结构、生理功能、心理状态等多个方面的综合。王琦教授把体质分为平和质、气虚质、阳虚质、阴虚质、痰湿质、湿热质、血瘀质、气郁质、特禀质九大体质类型[王琦.9种基本中医体质类型的分类及其诊断表述依据[J].北京中医药大学学报,2005(04):1-8.]，这种体质划分方法在2009年写入了《中医体质分类判定标准》。人体体质与性别、年龄、遗传等因素相关，表现出一定的稳定性，但人体体质的稳定性是相对的，它会因为营养、锻炼、疾病、精神、环境等内外环境中等因素的影响而发生变化[孙萌.基于应激理论开展中医体质内外环境适应性研究的意义[J].中医药通报,2013,12(01):29-31.]。

人体体质识别是中医体质学研究的基础，它在健康管理上有着巨大的应用价值[王济.中医体质学基础实验方法和研究现状[J].中华中医药杂志,2012,27(01):10-13.]。人们通过识别自己的体质类型，可以有针对性地进行养生保健，对与中医体质相关疾病作出防治。当今社会里，不少人的生活方式变得越来越不合理，处于亚健康的人越来越多。人们尽早发现自己的体质类型，才能明晰自己是否健康，从而及时对症下药，调整自己的生活方式，改善身体状况。

《中医体质分类判定标准》上有61道题目，每道题目按5级评分(没有、很少、有时、经常、总是)，分别对应1分、2分、3分、4分、5分。通过回答《中医体质分类判定标准》的61道题目，对照其中的平和质与偏颇体质判定标准表，人们可以判定自己的体质类型。但是，现代人的生活节奏快，工作压力大，人们很难有时间认真地回答完61道题目，而且问题数量偏多，容易导致答题的质量下降。如何减少人们进行体质识别的时间，是非常迫切的需求，为了达到这个目的，从《中医体质分类判定标准》的61道题目中选出具有代表性的部分问题具有极大的意义。

在过去，人们常通过人工的方法对高维特征进行压缩，但是需要花费巨大的人力和时间，而且在特定的领域，这些工作需要具备相应知识背景的人，成本是非常高的。特征选择是模式识别任务里处理高维数据的一项重要技术，主要作用是从原始特征集中选出具有代表性的特征子集，提升分类、聚类、检索等任务的效果。模式识别的许多任务有着非常高维的数据，有的数据有几百维甚至几千维。在一些情况中，特别是在数据量不足够大的情况下，高维数据不仅增加了处理数据的时间，而且提高了训练模型以及分析结果的难度，此外，模型会因为数据维度过高但数据量少而容易过拟合，模型的性能受到了严重的影响。通过特征选择方法，研究人员不仅可以降低数据的维度，同时可以保留原始的特征信息，对往后的分析工作有非常大的帮助。

特征选择的原则是，在不显著降低分类效果的前提下，获取尽可能小的特征子集。特征选择的方法主要有Filter、Wrapper、Embedding三种方法。Filter方法通过卡方检验、信息增益等方法对每个特征进行重要性评分，特征的得分越高，说明这个特征越重要。Wrapper方法通过一个确定的模型去评估特征选择的效果，它需要迭代地进行特征选择、训练模型、评估模型效果三个阶段，因而需要的时间和计算都比Filter方法的多。Embedding方法也需要一个确定的模型，与Filter方法不同的是，Embedding方法从这个在原始特征集上训练好的模型得到各个特征的权重，分别作为各个特征的重要性，根据权重的大小进行特征选择。

从61道题目中选出具有代表性的部分问题，可以看作是一个特征选择的问题。通过特征选择的方法可以对61道题目进行重要性评估，但是特征选择的方法通常需要大量的数据，收集问卷数据的成本也是非常高的。如何利用特征选择方法进行《中医体质分类判定标准》问题子集的选择，并保证通过问题子集能有效地识别体质类型，是一项亟待解决的技术问题。

发明内容

有鉴于此，为解决上述现有技术中的问题，本发明提供了一种基于特征选择和分类模型的体质识别方法，通过从《中医体质分类与判定表》全部问题中选出具有代表性的部分问题，并利用分类器构建体质识别模型的方法，有效减少了《中医体质分类与判定表》中需要回答的问题数量，大大减少通过回答问题识别体质类型的时间。

为实现上述目的，本发明的技术方案如下。

一种基于特征选择和分类模型的体质识别方法，包括以下步骤：

步骤1、通过随机数生成算法生成《中医体质分类与判定表》中全部问题的回答；

步骤2、根据《中医体质分类与判定表》的判定方法和判定标准，计算出当前回答下对应的体质类型；

步骤3、通过特征选择算法，从《中医体质分类与判定表》的全部问题中，选出具有代表性的部分问题；

步骤4、设计分类模型，利用部分问题的回答和对应的体质类型，训练得到一个体质识别模型。

进一步地，所述步骤1中，对《中医体质分类与判定表》中全部问题进行编号，使用随机数生成算法随机生成全部问题的回答，形成一个记录；以此方法生成m个记录。

进一步地，所述步骤2中，对随机生成的《中医体质分类与判定表》中问题回答形成的每个记录，根据《中医体质分类与判定表》的判定方法和判定标准，分别计算9种体质类型的原始分及转化分，依据标准判定每个记录的体质类型。

进一步地，所述步骤3中包括以下步骤：

步骤31、利用随机生成的《中医体质分类与判定表》中问题的回答，以及计算得到的对应体质类型，通过特征选择算法计算《中医体质分类与判定表》中各个问题的重要性；

步骤32、根据《中医体质分类与判定表》中各个问题的重要性，从《中医体质分类与判定表》的全部问题中选出n^*个问题。

与现有技术比较，本发明具有以下优点和有益效果：

本发明的一种基于特征选择和分类模型的体质识别方法，提出并实现了一个基于特征选择方法减少《中医体质分类与判定表》体质识别所需的问题数量，通过随机生成算法和分类模型计算体质类型的方法，为相关使用人员提供了一种高效方便的体质识别方案。

本发明在《中医体质分类与判定表》的基础上进行了创新，引入了随机数生成算法、特征选择算法和分类模型等技术，有效地降低诊断时间，提高诊断效率，且保证了体质识别的有效性，具有一定的市场价值和推广价值。

附图说明

图1为本发明的一种基于特征选择和分类模型的体质识别方法的总流程图。

图2为本发明的一种基于特征选择和分类模型的体质识别方法构建方法整体框架图。

具体实施方式

下面将结合附图和具体的实施例对本发明的具体实施作进一步说明。需要指出的是，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。

如图1所示，为本发明的一种基于特征选择和分类模型的体质识别方法的总流程图，主要分成以下几个步骤：

S1、随机生成《中医体质分类与判定表》中全部问题的回答；

基于《中医体质分类与判定表》提供了根据所有问题Q＝{q₁,...,q_n}的回答计算用户体质类型的方法，任意一份回答的体质类型都可以通过计算得到，因而本发明提出通过随机数生成算法生成m份回答A＝{A₁,...,A_m}，在第i份回答A_i＝{a₁,a₂,a₃,...,a_n}中，a_j∈[1,2,3,4,5]表示用户对第j个问题的回答的得分。

依据表2《中医体质分类与判定标准》平和质与偏颇体质判定标准表的计算方法计算第i份回答A_i的体质类型y_i。

S2、利用特征选择算法选出具有代表性的部分问题；

根据随机生成的m份回答A＝{A₁,...,A_m}以及根据《中医体质分类与判定标准》的计算方法计算得到的体质类型y＝{y₁,...,y_m}，本实施例提出通过特征选择算法FS衡量每个问题的重要性得分W，公式表示为：

FS(A,y)＝W＝{w₁,...,w_n}

根据每个问题的重要性得分W＝{w₁,...,w_n}，从所有n个问题Q＝{q₁,...,q_n}中选出重要性得分最高的前n^*个问题，组成新的问题集Q^*＝{q₁,...,q_n ^*}。

S3、训练得到一个体质识别模型；

基于Q^*≠Q且《中医体质分类与判定表》的体质计算方法需要回答Q中的全部问题，《中医体质分类与判定表》的体质计算方法不适用于Q^*，本实施例提出通过设计分类模型classifier在基础上进行体质识别，包括以下步骤：

S31、整理训练数据；从第i份回答A_i＝{a1,a2,a3,...,a_n}中整理出属于Q^*的回答A_i ^*，公式表示为：

A_i ^*＝{a₁ ^*,...,a_j ^*,...,a_n ^*}，q_j∈Q^*

S32、通过A_i ^*训练体质识别分类器classifier；把用户在Q^*上的回答作为classifier的输入，根据用户在Q^*上的回答识别用户的体质类型y_i，公式表示为：

y_i＝classifier(A_i ^*)

本实施例还以中间件形式供相关研究者和应用开发人员调用，包括体质分类组件P01、特征选择组件P02、体质标签生成组件P03和样本生成组件P04，如图2所示，为实施例的一种基于特征选择和分类模型的体质识别方法构建方法整体框架图，各组件的功能及实用技术如表1所示。

表1组件说明表

本实施例中所述的方法处理的数据包含但不限于《中医体质分类与判定表》中的问题。

首先把《中医体质分类与判定表》中的全部问题整合在一起；《中医体质分类与判定表》中每一种体质类型有自己的问题集合，不同体质的问题集合存在交集，把每一种体质类型的问题集合合并在一起，整理得到61道问题。

使用样本生成组件P04对整个问题集合生成并保存m＝1000000份随机的回答，生成数据采用的是numpy.random.randint方法，numpy.random.randint方法的作用是随机生成指定范围以及指定数量的整数；生成的回答按每行一份回答、每份回答以英文逗号分隔61个答案的格式保存在文本文件中，文件后缀名为“.csv”。

使用体质标签生成组件P03生成各份回答的体质标签。根据《中医体质分类与判定表》提供的体质类型计算方法，计算每一份回答对应的体质类型，体质类型的判定分为3个步骤。

第1步，计算每种体质类型的原始分；《中医体质分类与判定表》中的每一种体质有自己的问题集合，不同体质的问题集合存在交集，把每种体质对应的问题集合的回答评分加起来，得到原始分

第2步，计算每种体质类型的转化分数；转化分是对原始分和对应的问题集合的问题数量的综合考虑，转化分的计算公式是：

转化分数＝[(原始分-条目数)/(条目数×4)]×100

其中，条目数表示当前体质类型的问题集合的问题数目。

第3步，依据表2《中医体质分类与判定标准》平和质与偏颇体质判定标准表判定体质类型，在表2《中医体质分类与判定标准》平和质与偏颇体质判定标准表中，平和质属于正常体质，其他8种体质均属于偏颇体质。

表2《中医体质分类与判定标准》平和质与偏颇体质判定标准表

根据《中医体质分类与判定表》提供的体质类型计算方法，每份回答可能会计算得到多种体质类型，这里取可能性最大的体质类型作为这份回答的体质标签，生成的体质标签与问题的回答分开存储，生成的体质标签按每行一份回答的体质标签的格式保存在文本文件中，文件后缀名为“.csv”。

使用用特征选择组件P02计算61道问题的重要性得分，并根据重要性得分选出n^*＝5个问题，这里采用的特征选择方法是sklearn机器学习库的sklearn.feature_selection.SelectFromModel，这个特征选择方法是基于机器学习模型的，属于Embeded的特征选择方法，它的出发点是，一些机器学习模型本来就具有对特征打分的机制，它利用这些机器模型对特征的打分，评估特征的重要性。

与sklearn.feature_selection.SelectFromModel一起使用的机器学习模型是sklearn机器学习库的sklearn.discriminant_analysis.LinearDiscriminantAnalysis，即线性判别分析，它的目标是寻找一个超平面，使投影在这个超平面上的相同类别的数据尽可能的接近、不同类别的数据尽可能的大。这里把生成的m＝1000000份回答及对应的体质标签、线性判别分析模型、特征筛选的阈值传入到sklearn.feature_selection.SelectFromModel中，移除重要性得分低于阈值的问题，保留相对更重要的问题，并将这些相对更重要的问题整理成新的问题集合，作为用户进行体质识别所需要回答的问题集合。

对生成的每一份回答进行整理，把每份回答里不属于新的问题集合的回答项移除，整理得到新的m＝1000000份回答。把新的m＝1000000份回答与原来对应的体质标签分别作为特征、标签，传入到sklearn.discriminant_analysis.LinearDiscriminantAnalysis中进行训练，得到一个可根据在新的问题集合上的回答进行体质识别的体质识别模型。体质识别模型就此构建完成。

综上所述，本发明的一种基于特征选择和分类模型的体质识别方法在《中医体质分类与判定表》的基础上进行了创新，引入了随机数生成算法、特征选择算法和分类模型等技术，有效地降低诊断时间，提高诊断效率，且保证了体质识别的有效性，具有一定的市场价值和推广价值。

Claims

1.一种基于特征选择和分类模型的体质识别方法，其特征在于，包括以下步骤：

步骤1、通过随机数生成算法生成《中医体质分类与判定表》中全部问题的回答；随机生成《中医体质分类与判定表》中全部问题的回答；基于《中医体质分类与判定表》提供了根据所有问题Q＝{q₁,...,q_n}的回答计算用户体质类型的方法，任意一份回答的体质类型都能通过计算得到，因而通过随机数生成算法生成m份回答A＝{A₁,...,A_m}，在第i份回答A_i＝{a₁,a₂,a₃,...,a_n}中，a_j∈[1,2,3,4,5]表示用户对第j个问题的回答的得分；

对《中医体质分类与判定表》中全部问题进行编号，使用随机数生成算法随机生成全部问题的回答，形成一个记录；以此算法生成m个记录；

步骤2、根据《中医体质分类与判定表》的判定方法和判定标准，计算出当前回答下对应的体质类型；依据《中医体质分类与判定标准》平和质与偏颇体质判定标准表的计算方法计算第i份回答A_i的体质类型y_i；

其中，对随机生成的《中医体质分类与判定表》中问题回答形成的每个记录，根据《中医体质分类与判定表》的判定方法和判定标准，分别计算9种体质类型的原始分及转化分，依据标准判定每个记录的体质类型；

步骤3、通过特征选择算法，从《中医体质分类与判定表》的全部问题中，选出具有代表性的部分问题；包括以下步骤：

步骤32、根据《中医体质分类与判定表》中各个问题的重要性，从《中医体质分类与判定表》的全部问题中选出n^*个问题；

根据随机生成的m份回答A＝{A₁,...,A_m}以及根据《中医体质分类与判定标准》的计算方法计算得到的体质类型y＝{y₁,...,y_m}，通过特征选择算法FS衡量每个问题的重要性得分W，公式表示为：

FS(A,y)＝W＝{w₁,...,w_n}

根据每个问题的重要性得分W＝{w₁,...,w_n}，从所有n个问题Q＝{q₁,...,q_n}中选出重要性得分最高的前n^*个问题，组成新的问题集Q^*＝{q₁ ^*,...,q_n ^*}；

步骤4、设计分类模型，利用所述部分问题的回答和对应的体质类型，训练得到一个体质识别模型；

其中，基于Q^*≠Q且《中医体质分类与判定表》的体质计算方法需要回答Q中的全部问题，《中医体质分类与判定表》的体质计算方法不适用于Q^*，通过设计体质识别分类器classifier进行体质识别，包括以下步骤：

S41、整理训练数据；从第i份回答A_i＝{a₁,a₂,a₃,...,a_n}中整理出属于Q^*的回答A_i ^*，公式表示为：

A_i ^*＝{a₁ ^*,...,a_j ^*,...,a_n ^*}，a_j ^*∈Q^*

S42、通过A_i ^*训练体质识别分类器classifier；把用户在Q^*上的回答作为classifier的输入，根据用户在Q^*上的回答识别用户的体质类型y_i，公式表示为：

y_i＝classifier(A_i ^*)。

2.根据权利要求1所述的一种基于特征选择和分类模型的体质识别方法，其特征在于，以中间件形式供调用，中间件包括体质分类组件、特征选择组件、体质标签生成组件和样本生成组件。