WO2020233259A1 - 一种基于多中心模式下随机森林算法的特征重要性排序系统 - Google Patents

一种基于多中心模式下随机森林算法的特征重要性排序系统 Download PDF

Info

Publication number
WO2020233259A1
WO2020233259A1 PCT/CN2020/083589 CN2020083589W WO2020233259A1 WO 2020233259 A1 WO2020233259 A1 WO 2020233259A1 CN 2020083589 W CN2020083589 W CN 2020083589W WO 2020233259 A1 WO2020233259 A1 WO 2020233259A1
Authority
WO
WIPO (PCT)
Prior art keywords
feature
center
random forest
feature importance
gini index
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.)
Ceased
Application number
PCT/CN2020/083589
Other languages
English (en)
French (fr)
Inventor
李劲松
王丰
胡佩君
张莹
杨子玥
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.)
Zhejiang Lab
Original Assignee
Zhejiang Lab
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 Zhejiang Lab filed Critical Zhejiang Lab
Priority to JP2021532354A priority Critical patent/JP7064681B2/ja
Publication of WO2020233259A1 publication Critical patent/WO2020233259A1/zh
Anticipated expiration legal-status Critical
Ceased legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G06F18/211—Selection of the most significant subset of features
    • G06F18/2113—Selection of the most significant subset of features by ranking or filtering the set of features, e.g. using a measure of variance or of feature cross-correlation

Definitions

  • the invention belongs to the technical field of feature selection, and particularly relates to a feature importance ranking system based on a random forest algorithm in a multi-center mode.
  • Feature selection is the process of selecting some of the most effective features from a set of features to reduce the dimensionality of the feature space. Feature selection can reduce the number of features, reduce dimensionality, make the model stronger, reduce over-fitting, and enhance the understanding of features and feature values. This is one of the key issues in the field of data science. In the field of biomedicine, it is often necessary to process high-dimensional data such as omics data sets, where the number of variables is usually much larger than the number of individuals. In this case, the significance of feature selection is particularly important. Random forest is an ensemble learning algorithm that is widely used in the field of biomedicine. It can provide estimates of the importance of variables in the classification process and is considered an effective feature selection algorithm.
  • Multi-center data collaborative computing is an application scenario that appears in the context of big data. It refers to a group in a geographically dispersed state that uses computer and network technology to cooperate with each other to complete a task. Feature selection based on multi-center data is one of the important issues. In the context of big data, the demand for collaborative computing of data in various centers is increasing.
  • the purpose of the present invention is to provide a feature importance ranking system based on the random forest algorithm in the multi-center mode in accordance with actual needs and without exposing the data of each center.
  • the data is always in each center, and only the intermediate parameters of the model are transmitted to the central server, and the original data is not transmitted. Finally, a safe and effective global feature importance ranking result is obtained.
  • a feature importance ranking system based on random forest algorithm in multi-center mode the system includes: front-end processors deployed in each center participating in collaborative computing; receiving and integrating The central server for the ranking results of the importance of each central feature; the result display module that feeds back the final feature importance ranking results to the user.
  • the front end processor is used to read data from the database interface of each center, and use the random forest algorithm to calculate the characteristic importance ranking result of the center.
  • the specific calculation steps are as follows:
  • steps B-C a total of q times, where q is the number of decision trees in the random forest;
  • Gini index as an evaluation indicator to sort the prediction results of step E by feature importance, including the following sub-steps:
  • GI m represents the Gini index of node m before the branch
  • GI l and GI r represent the Gini indices of the two new nodes l and r after the branch respectively
  • the calculation formula of the Gini index is:
  • K indicates that there are K categories, and p xk indicates the proportion of category k in node x;
  • the central server calculating the global feature importance ranking result includes the following sub-steps:
  • the present invention is based on a multi-center random forest algorithm, and the feature importance ranking results are calculated in each center respectively; the central server integrates the ranking results of each center to form a global feature importance ranking result.
  • the present invention does not expose the data of each center, the data of each center in the system is always in the center, only the intermediate parameters of the model are transmitted to the central server, and the original data is not transmitted, which effectively guarantees data security and the individuals included in the data privacy.
  • Figure 1 is a flowchart of the implementation of the feature importance ranking system based on the random forest algorithm in the multi-center mode of the present invention
  • FIG. 2 is a block diagram of the feature importance ranking system based on the random forest algorithm in the multi-center mode of the present invention
  • Figure 3 is a flowchart of the importance of features in each center's front end
  • Figure 4 is a flowchart of the global importance ranking in the central server.
  • the present invention provides a feature importance ranking system based on the random forest algorithm in a multi-center mode.
  • the system includes: front-end processors deployed in each center participating in collaborative computing; receiving and integrating each The central server of the central feature importance ranking result; the result display module that feeds back the final feature importance ranking result to the user.
  • the front end processor is used to read data from the database interface of each center, and use the random forest algorithm to calculate the feature importance ranking result of the center, as shown in Figure 3, the specific calculation steps are as follows:
  • steps B-C a total of q times, where q is the number of decision trees in the random forest;
  • Gini index as an evaluation indicator to sort the prediction results of step E by feature importance, including the following sub-steps:
  • GI m represents the Gini index of node m before the branch
  • GI l and GI r represent the Gini indices of the two new nodes l and r after the branch respectively
  • the calculation formula of the Gini index is:
  • K indicates that there are K categories, and p xk indicates the proportion of category k in node x;
  • the central server calculates the global feature importance ranking result, as shown in FIG. 4, including the following sub-steps:
  • the following is a specific example, which shows a feature importance ranking system based on the random forest algorithm in the multi-center mode to predict the risk of diabetes from the physical examination data.
  • the system includes: deployment in each hospital participating in collaborative computing The front-end processor; the central server that receives and integrates the feature importance ranking results of each hospital; the result display module that feeds the final feature importance ranking results back to the user.
  • the front-end processor is used to read the physical examination data from the database interface of each hospital, and use the random forest algorithm to predict the risk of diabetes, and calculate the ranking result of the importance of the risk of diabetes in the hospital.
  • the specific calculation steps are as follows:
  • Gini index as an evaluation indicator to sort the prediction results of step E by feature importance, including the following sub-steps:
  • GI m represents the Gini index of node m before the branch
  • GI l and GI r represent the Gini indices of the two new nodes l and r after the branch respectively
  • the calculation formula of the Gini index is:
  • K indicates that there are K categories, and p xk indicates the proportion of category k in node x;
  • the calculation of the global feature importance ranking result in the physical examination data that affects the risk of diabetes in the central server includes the following sub-steps:
  • the present invention calculates the local variable importance ranking based on the Gini index at each site and sends it to the central server.
  • the central server integrates the variable importance ranking of each site and calculates the final ranking result.
  • the central server only receives the variable importance ranking results of each site, and does not need to exchange patient-level data. This not only obtains an effective global solution, but also effectively guarantees the security of the data, which provides security for the construction of feature screening models. Reliable and efficient solution.

Landscapes

  • Engineering & Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Theoretical Computer Science (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Artificial Intelligence (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Medical Treatment And Welfare Office Work (AREA)

Abstract

本发明公开了一种基于多中心模式下随机森林算法的特征重要性排序系统，该系统包括部署在参与协同计算的各中心的前置机、接收并整合各中心特征重要性排序结果的中心服务器、将最终特征重要性排序结果反馈给用户的结果展示模块。本发明基于多中心的随机森林算法，在各个中心分别计算特征重要性排序结果；在中心服务器进行整合各个中心的排序结果，形成全局性的特征重要性排序结果。本发明在不暴露各个中心数据的条件下，各个中心的数据始终在各中心，只向中心服务器传递中间参数，不传递原始数据，有效保障了数据安全和数据中包含的个人隐私。

Description

一种基于多中心模式下随机森林算法的特征重要性排序系统 技术领域
本发明属于特征选择技术领域，尤其涉及一种基于多中心模式下随机森林算法的特征重要性排序系统。
背景技术
特征选择是从一组特征中挑选出一些最有效的特征以降低特征空间维数的过程。特征选择可以减少特征数量、降维，使模型泛化能力更强，减少过拟合，增强对特征和特征值的理解，是数据科学领域的关键问题之一。在生物医学领域，经常需要处理诸如组学数据集之类的高维数据，其中变量的数量通常远大于个体的数量，这种情况下特征选择的意义显得尤为重要。随机森林是一种在生物医学领域应用非常广泛的集成学习算法，它能够在分类过程中提供变量重要性的估计，被认为是一种有效的特征选择算法。
多中心数据协同计算是大数据背景下出现的应用场景，它是指地域上处于分散状态的一个群体借助计算机和网络技术，互相协作共同完成一项任务。基于多中心的数据进行特征选择是其中一项重要问题。在大数据背景下，各个中心数据协同计算的需求越来越大。
现有的解决方案需要将各个中心的数据取出，汇集在中心服务器上。接着在中心服务器上进行特征选择，得到全局性的特征选择结果。然而，将数据从各个中心取出的过程隐患重重，可能涉及到数据泄露这样的安全性问题，大大打击了中心之间的协同计算的积极性。尤其在生物医学领域，各个中心也就是各家医院的数据中包含了来医院就医患者的个人隐私，将数据取出集中处理的方法不利于保护患者隐私，具有很大风险。
发明内容
本发明目的在于针对现有技术的不足，根据现实需求，在不暴露各个中心的数据的条件下，提供一种基于多中心模式下随机森林算法的特征重要性排序系统，本系统中各个中心的数据始终在各中心，只向中心服务器传递模型的中间参数，不传递原始数据，最终得到安全有效的全局性的特征重要性排序结果。
本发明的目的是通过以下技术方案来实现的：一种基于多中心模式下随机森林算法的特征重要性排序系统，该系统包括：部署在参与协同计算的各中心的前置机；接收并整合各中心特征重要性排序结果的中心服务器；将最终特征重要性排序结果反馈给用户的结果展示模块。
所述前置机用于从各中心的数据库接口读取数据，并利用随机森林算法计算本中心的特 征重要性排序结果，具体计算步骤如下：
A.从本中心数据库接口读取数据作为样本集；
B.用有抽样放回的方法(bootstrap)从样本集中随机选取n个样本作为一个训练集；
C.用抽样得到的训练集生成一颗决策树；在决策树的每一个结点，均随机不重复地选择d个特征，利用这d个特征分别对训练集进行划分；
D.重复步骤B-C共q次，q即为随机森林中决策树的个数；
E.用训练得到的随机森林对样本集进行预测；
F.利用基尼指数作为评价指标对步骤E的预测结果进行特征重要性排序，包括以下子步骤：
a)假设样本集有h个特征X 1，X 2，X 3，...，X h，对于每个特征X j，计算特征X j在节点m的重要性
Figure PCTCN2020083589-appb-000001
即节点m分枝前后的基尼指数变化量，公式如下：
Figure PCTCN2020083589-appb-000002
其中，GI m表示分枝前节点m的基尼指数，GI l和GI r分别表示分枝后两个新节点l和r的基尼指数；基尼指数的计算公式为：
Figure PCTCN2020083589-appb-000003
其中，K表示有K个类别，p xk表示节点x中类别k所占的比例；
b)假设特征X j在决策树i中出现的节点构成集合E，那么X j在第i棵决策树的重要性
Figure PCTCN2020083589-appb-000004
为：
Figure PCTCN2020083589-appb-000005
c)假设随机森林中有q棵树，计算每个特征X j的基尼指数评分
Figure PCTCN2020083589-appb-000006
亦即第j个特征在随机森林所有决策树中节点分裂不纯度的平均改变量：
Figure PCTCN2020083589-appb-000007
d)将特征X j的基尼指数评分
Figure PCTCN2020083589-appb-000008
进行归一化处理，公式如下：
Figure PCTCN2020083589-appb-000009
e)对所有特征归一化后的基尼指数评分进行降序排序；
所述中心服务器计算全局特征重要性排序结果，包括以下子步骤：
A.接收各中心传来的特征重要性排序结果；
B.对于每个特征，求得该特征在所有中心的基尼指数评分的平均值作为全局性特征重要性值；
C.按照全局性特征重要性值由大到小的顺序，对特征进行重新排序。
本发明的有益效果是：本发明基于多中心的随机森林算法，在各个中心分别计算特征重要性排序结果；在中心服务器进行整合各个中心的排序结果，形成全局性的特征重要性排序结果。本发明在不暴露各个中心的数据的条件下，本系统中各个中心的数据始终在中心，只向中心服务器传递模型的中间参数，不传递原始数据，有效保障了数据安全和数据中包含的个人隐私。
附图说明
图1为本发明基于多中心模式下随机森林算法的特征重要性排序系统实现流程图；
图2为本发明基于多中心模式下随机森林算法的特征重要性排序系统组成框图；
图3为各中心前置机内特征重要性排序流程图；
图4为中心服务器内全局重要性排序流程图。
具体实施方式
下面结合附图和具体实施例对本发明作进一步详细说明。
如图1、2所示，本发明提供的一种基于多中心模式下随机森林算法的特征重要性排序系统，该系统包括：部署在参与协同计算的各中心的前置机；接收并整合各中心特征重要性排序结果的中心服务器；将最终特征重要性排序结果反馈给用户的结果展示模块。
所述前置机用于从各中心的数据库接口读取数据，并利用随机森林算法计算本中心的特征重要性排序结果，如图3所示，具体计算步骤如下：
A.从本中心数据库接口读取数据作为样本集；
B.用有抽样放回的方法(bootstrap)从样本集中随机选取n个样本作为一个训练集；
C.用抽样得到的训练集生成一颗决策树；在决策树的每一个结点，均随机不重复地选择d个特征，利用这d个特征分别对训练集进行划分；
D.重复步骤B-C共q次，q即为随机森林中决策树的个数；
E.用训练得到的随机森林对样本集进行预测；
F.利用基尼指数作为评价指标对步骤E的预测结果进行特征重要性排序，包括以下子步骤：
a)假设样本集有h个特征X 1，X 2，X 3，...，X h，对于每个特征X j，计算特征X j在节点m的重要性
Figure PCTCN2020083589-appb-000010
即节点m分枝前后的基尼指数变化量，公式如下：
Figure PCTCN2020083589-appb-000011
其中，GI m表示分枝前节点m的基尼指数，GI l和GI r分别表示分枝后两个新节点l和r的基尼指数；基尼指数的计算公式为：
Figure PCTCN2020083589-appb-000012
其中，K表示有K个类别，p xk表示节点x中类别k所占的比例；
b)假设特征X j在决策树i中出现的节点构成集合E，那么X j在第i棵决策树的重要性
Figure PCTCN2020083589-appb-000013
为：
Figure PCTCN2020083589-appb-000014
c)假设随机森林中有q棵树，计算每个特征X j的基尼指数评分
Figure PCTCN2020083589-appb-000015
亦即第j个特征在随机森林所有决策树中节点分裂不纯度的平均改变量：
Figure PCTCN2020083589-appb-000016
d)将特征X j的基尼指数评分
Figure PCTCN2020083589-appb-000017
进行归一化处理，公式如下：
Figure PCTCN2020083589-appb-000018
e)对所有特征归一化后的基尼指数评分进行降序排序；
所述中心服务器计算全局特征重要性排序结果，如图4所示，包括以下子步骤：
A.接收各中心传来的特征重要性排序结果；
B.对于每个特征，求得该特征在所有中心的基尼指数评分的平均值作为全局性特征重要性值；
C.按照全局性特征重要性值由大到小的顺序，对特征进行重新排序。
以下为一个具体的实例，该实例展示了一种基于多中心模式下随机森林算法的由体检数据预测糖尿病患病风险的特征重要性排序系统，该系统包括：部署在参与协同计算的各医院内的前置机；接收并整合各医院特征重要性排序结果的中心服务器；将最终特征重要性排序结果反馈给用户的结果展示模块。
所述前置机用于从各医院的数据库接口读取体检数据，并利用随机森林算法预测糖尿病患病风险，计算出本医院内的糖尿病患病风险特征重要性排序结果，具体计算步骤如下：
A.从本医院数据库接口读取体检数据作为样本集，假设共有5000例体检数据；
B.用有抽样放回的方法(bootstrap)从样本集中随机选取70个样本作为一个训练集；
C.用抽样得到的训练集生成一颗决策树；在决策树的每一个结点，均随机不重复地选择7个特征，利用这7个特征分别对训练集进行划分；
D.重复步骤B-C共15次，15即为随机森林中决策树的个数；
E.用训练得到的随机森林对样本集进行预测；
F.利用基尼指数作为评价指标对步骤E的预测结果进行特征重要性排序，包括以下子步骤：
a)假设样本集有50个特征--年龄、性别、文化水平、腰围、血型、收缩压、血红蛋白等等特征，记为X 1，X 2，X 3，...，X 50。对于每个特征X j，计算特征X j在节点m的重要性
Figure PCTCN2020083589-appb-000019
即节点m分枝前后的基尼指数变化量，公式如下：
Figure PCTCN2020083589-appb-000020
其中，GI m表示分枝前节点m的基尼指数，GI l和GI r分别表示分枝后两个新节点l和r的基尼指数；基尼指数的计算公式为：
Figure PCTCN2020083589-appb-000021
其中，K表示有K个类别，p xk表示节点x中类别k所占的比例；
b)假设特征X j在决策树i中出现的节点构成集合E，那么X j在第i棵决策树的重要性
Figure PCTCN2020083589-appb-000022
为：
Figure PCTCN2020083589-appb-000023
c)已知随机森林中有15棵树，计算每个特征X j的基尼指数评分
Figure PCTCN2020083589-appb-000024
亦即第j个特征在随机森林所有决策树中节点分裂不纯度的平均改变量：
Figure PCTCN2020083589-appb-000025
d)将特征X j的基尼指数评分
Figure PCTCN2020083589-appb-000026
进行归一化处理，公式如下：
Figure PCTCN2020083589-appb-000027
e)对所有特征归一化后的基尼指数评分进行降序排序；
所述中心服务器内计算体检数据中影响糖尿病患病风险的全局特征重要性排序结果，包括以下子步骤：
A.接收各医院传来的特征重要性排序结果；
B.对于每个特征，求得该特征在所有医院的基尼指数评分的平均值作为全局性特征重要性值。例如对于特征糖化血红蛋白，它在医院甲的特征重要性评分为0.182483，在医院乙的特征重要性评分为0.150948，在医院丙的特征重要性评分为0.078243，那么它在医院甲、医院乙、医院丙联合开展的多中心体检数据糖尿病风险预测研究中的全局特征重要性值为：(0.182483+0.150948+0.078243)/3＝0.137224。
C.按照全局性特征重要性值由大到小的顺序，对特征进行重新排序。
本发明在每个站点计算基于基尼指数的局部变量重要性排序，并将其发送到中心服务器。中心服务器整合各个站点的变量重要性排序并计算得出最终的排序结果。在此过程中，中心服务器仅接收各站点的变量重要性排序结果，无需交换患者级别的数据，既得到了有效的全局解，又有效地保障了数据的安全性，为构建特征筛选模型提供了安全可靠高效的解决方案。
以上仅为本发明的实施实例，并非用于限定本发明的保护范围。凡在本发明的精神和原则之内，不经过创造性劳动所作的任何修改、等同替换、改进等，均包含在本发明的保护范围内。

Claims (1)

  1. 一种基于多中心模式下随机森林算法的特征重要性排序系统，其特征在于，该系统包括：部署在参与协同计算的各中心的前置机；接收并整合各中心特征重要性排序结果的中心服务器；将最终特征重要性排序结果反馈给用户的结果展示模块。
    所述前置机用于从各中心的数据库接口读取数据，并利用随机森林算法计算本中心的特征重要性排序结果，具体计算步骤如下：
    A.从本中心数据库接口读取数据作为样本集；
    B.用有抽样放回的方法(bootstrap)从样本集中随机选取n个样本作为一个训练集；
    C.用抽样得到的训练集生成一颗决策树；在决策树的每一个结点，均随机不重复地选择d个特征，利用这d个特征分别对训练集进行划分；
    D.重复步骤B-C共q次，q即为随机森林中决策树的个数；
    E.用训练得到的随机森林对样本集进行预测；
    F.利用基尼指数作为评价指标对步骤E的预测结果进行特征重要性排序，包括以下子步骤：
    a)假设样本集有h个特征X 1，X 2，X 3，...，X h，对于每个特征X j，计算特征X j在节点m的重要性
    Figure PCTCN2020083589-appb-100001
    即节点m分枝前后的基尼指数变化量，公式如下：
    Figure PCTCN2020083589-appb-100002
    其中，GI m表示分枝前节点m的基尼指数，GI l和GI r分别表示分枝后两个新节点l和r的基尼指数；基尼指数的计算公式为：
    Figure PCTCN2020083589-appb-100003
    其中，K表示有K个类别，p xk表示节点x中类别k所占的比例；
    b)假设特征X j在决策树i中出现的节点构成集合E，那么X j在第i棵决策树的重要性
    Figure PCTCN2020083589-appb-100004
    为：
    Figure PCTCN2020083589-appb-100005
    c)假设随机森林中有q棵树，计算每个特征X j的基尼指数评分
    Figure PCTCN2020083589-appb-100006
    亦即第j个特征在随机森林所有决策树中节点分裂不纯度的平均改变量：
    Figure PCTCN2020083589-appb-100007
    d)将特征X j的基尼指数评分
    Figure PCTCN2020083589-appb-100008
    进行归一化处理，公式如下：
    Figure PCTCN2020083589-appb-100009
    e)对所有特征归一化后的基尼指数评分进行降序排序。
    所述中心服务器计算全局特征重要性排序结果，包括以下子步骤：
    A.接收各中心传来的特征重要性排序结果；
    B.对于每个特征，求得该特征在所有中心的基尼指数评分的平均值作为全局性特征重要性值；
    C.按照全局性特征重要性值由大到小的顺序，对特征进行重新排序。
PCT/CN2020/083589 2019-07-12 2020-04-07 一种基于多中心模式下随机森林算法的特征重要性排序系统 Ceased WO2020233259A1 (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
JP2021532354A JP7064681B2 (ja) 2019-07-12 2020-04-07 マルチセンターモードにおけるランダムフォレストアルゴリズムに基づく特徴重要度ソートシステム

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
CN201910629792.1 2019-07-12
CN201910629792.1A CN110728291B (zh) 2019-07-12 2019-07-12 一种基于多中心模式下随机森林算法的特征重要性排序系统

Publications (1)

Publication Number Publication Date
WO2020233259A1 true WO2020233259A1 (zh) 2020-11-26

Family

ID=69217693

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/CN2020/083589 Ceased WO2020233259A1 (zh) 2019-07-12 2020-04-07 一种基于多中心模式下随机森林算法的特征重要性排序系统

Country Status (3)

Country Link
JP (1) JP7064681B2 (zh)
CN (1) CN110728291B (zh)
WO (1) WO2020233259A1 (zh)

Cited By (20)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112750029A (zh) * 2020-12-30 2021-05-04 北京知因智慧科技有限公司 信用风险预测方法、装置、电子设备及存储介质
CN112951324A (zh) * 2021-02-05 2021-06-11 广州医科大学 一种基于欠采样的致病同义突变预测方法
CN113408867A (zh) * 2021-05-28 2021-09-17 北京大学 基于手机用户和poi数据的城市入室盗窃犯罪风险评估方法
CN113413163A (zh) * 2021-08-24 2021-09-21 山东大学 一种混合深度学习和低差异度森林的心音诊断系统
CN113554519A (zh) * 2021-08-25 2021-10-26 山大地纬软件股份有限公司 一种医保支出风险分析方法及系统
CN113642629A (zh) * 2021-08-09 2021-11-12 厦门大学 一种基于随机森林提高谱学分析可信度的可视化方法及装置
CN113762712A (zh) * 2021-07-26 2021-12-07 广西大学 大数据环境下的小水电清理整改评价指标筛选策略
CN113920366A (zh) * 2021-10-15 2022-01-11 美林数据技术股份有限公司 一种基于机器学习的综合加权主数据识别方法
CN114492162A (zh) * 2021-12-21 2022-05-13 中南林业科技大学 一种风景体验影响因子的贡献率的估算方法
CN115001739A (zh) * 2022-04-19 2022-09-02 中国电子科技网络信息安全有限公司 一种基于随机森林的横向蠕虫攻击检测方法
CN115083519A (zh) * 2022-05-18 2022-09-20 北京大学第三医院（北京大学第三临床医学院） 一种基于多来源基因数据库的基因相关特征融合预测方法
CN115343421A (zh) * 2022-08-08 2022-11-15 浙江大学 一种基于智能算法的堆肥腐熟度提升方法
CN116226767A (zh) * 2023-05-08 2023-06-06 国网浙江省电力有限公司宁波供电公司 一种电力系统实验数据自动诊断方法
CN117112859A (zh) * 2023-06-16 2023-11-24 中国联合网络通信有限公司深圳市分公司 人口移动演化的显示方法、装置及计算机可读存储介质
CN117370899A (zh) * 2023-12-08 2024-01-09 中国地质大学（武汉） 一种基于主成分-决策树模型的控矿因素权重确定方法
CN117493856A (zh) * 2024-01-03 2024-02-02 佛山科学技术学院 一种基于随机森林的串果采摘特征因素分析方法及设备
CN118626335A (zh) * 2024-06-14 2024-09-10 内蒙古大学 一种数据中心的能耗数据采集及特征数据选择方法
CN118633929A (zh) * 2024-04-25 2024-09-13 中国科学院深圳先进技术研究院 一种基于可穿戴传感网络的步态评估系统及方法
CN118734157A (zh) * 2024-06-05 2024-10-01 重庆复迪脉数字科技有限公司 一种处理影像的深度学习多中心的泛化能力增强方法
CN119537028A (zh) * 2025-01-17 2025-02-28 中科南京信息高铁研究院 多容器运行时自适应评估与选择方法

Families Citing this family (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110728291B (zh) * 2019-07-12 2022-02-22 之江实验室 一种基于多中心模式下随机森林算法的特征重要性排序系统
CN111401749A (zh) * 2020-03-17 2020-07-10 三峡大学 一种基于随机森林与极限学习回归的动态安全评估方法
CN113569125B (zh) * 2020-04-28 2025-09-05 财付通支付科技有限公司 信息处理方法、装置、计算机设备和存储介质
CN111982299B (zh) * 2020-08-14 2021-08-17 国家卫星气象中心(国家空间天气监测预警中心) 一种星载微波辐射计数据质量动态评分方法及系统
CN115526673A (zh) * 2021-06-25 2022-12-27 中移动金融科技有限公司 人群画像方法及装置
CN115310313A (zh) * 2022-07-11 2022-11-08 中信建筑设计研究总院有限公司 一种结构基底剪力psdm的地震动强度表征参数选用方法
CN116150606B (zh) * 2023-02-17 2026-03-31 江苏开放大学（江苏城市职业学院） 一种基于多类特征学习的信号识别方法、系统、电子设备和存储介质
CN116797952A (zh) * 2023-07-07 2023-09-22 华南农业大学 基于无人机多光谱图像和长势信息的荔枝产量预测方法
CN116707640A (zh) * 2023-07-10 2023-09-05 武汉烽火技术服务有限公司 一种基于机器学习的光传输系统链路误码预测方法和装置
CN117725107A (zh) * 2023-12-18 2024-03-19 广西电网有限责任公司电力科学研究院 一种基于标准指标的设备精准检索方法及系统

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105931224A (zh) * 2016-04-14 2016-09-07 浙江大学 基于随机森林算法的肝脏平扫ct图像病变识别方法
CN106856482A (zh) * 2015-12-08 2017-06-16 中山爱科数字科技股份有限公司 一种健康数据采集方法
US20180143199A1 (en) * 2016-11-23 2018-05-24 The Board Of Trustees Of The Leland Stanford Junior University Methods of identifying glioblastoma patients as susceptible to anti-angiogenic therapy using quantitative imaging features and molecular profiling
CN109376750A (zh) * 2018-06-15 2019-02-22 武汉大学 一种融合中波红外与可见光的遥感影像分类方法
CN110728291A (zh) * 2019-07-12 2020-01-24 之江实验室 一种基于多中心模式下随机森林算法的特征重要性排序系统

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN100543749C (zh) * 2007-10-18 2009-09-23 中兴通讯股份有限公司 对多个数据源的数据进行统一排序的方法
US8818910B1 (en) * 2013-11-26 2014-08-26 Comrise, Inc. Systems and methods for prioritizing job candidates using a decision-tree forest algorithm
CN107908732B (zh) * 2017-11-14 2020-02-07 北京恺思睿思信息技术有限公司 一种相互隔离的多来源大数据融合分析方法及系统
US20190197578A1 (en) * 2017-12-26 2019-06-27 c/o Datorama Technologies, Ltd. Generating significant performance insights on campaigns data
CN109242021A (zh) * 2018-09-07 2019-01-18 浙江财经大学 一种基于多阶段混合模型的分类预测方法
CN109194523B (zh) * 2018-10-01 2021-07-30 西安电子科技大学 隐私保护的多方诊断模型融合方法及系统、云端服务器

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106856482A (zh) * 2015-12-08 2017-06-16 中山爱科数字科技股份有限公司 一种健康数据采集方法
CN105931224A (zh) * 2016-04-14 2016-09-07 浙江大学 基于随机森林算法的肝脏平扫ct图像病变识别方法
US20180143199A1 (en) * 2016-11-23 2018-05-24 The Board Of Trustees Of The Leland Stanford Junior University Methods of identifying glioblastoma patients as susceptible to anti-angiogenic therapy using quantitative imaging features and molecular profiling
CN109376750A (zh) * 2018-06-15 2019-02-22 武汉大学 一种融合中波红外与可见光的遥感影像分类方法
CN110728291A (zh) * 2019-07-12 2020-01-24 之江实验室 一种基于多中心模式下随机森林算法的特征重要性排序系统

Cited By (26)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112750029A (zh) * 2020-12-30 2021-05-04 北京知因智慧科技有限公司 信用风险预测方法、装置、电子设备及存储介质
CN112951324A (zh) * 2021-02-05 2021-06-11 广州医科大学 一种基于欠采样的致病同义突变预测方法
CN113408867A (zh) * 2021-05-28 2021-09-17 北京大学 基于手机用户和poi数据的城市入室盗窃犯罪风险评估方法
CN113408867B (zh) * 2021-05-28 2023-07-21 北京大学 基于手机用户和poi数据的城市入室盗窃犯罪风险评估方法
CN113762712B (zh) * 2021-07-26 2024-04-09 广西大学 大数据环境下的小水电清理整改评价指标筛选策略
CN113762712A (zh) * 2021-07-26 2021-12-07 广西大学 大数据环境下的小水电清理整改评价指标筛选策略
CN113642629B (zh) * 2021-08-09 2023-12-08 厦门大学 一种基于随机森林提高谱学分析可信度的可视化方法及装置
CN113642629A (zh) * 2021-08-09 2021-11-12 厦门大学 一种基于随机森林提高谱学分析可信度的可视化方法及装置
CN113413163A (zh) * 2021-08-24 2021-09-21 山东大学 一种混合深度学习和低差异度森林的心音诊断系统
CN113554519A (zh) * 2021-08-25 2021-10-26 山大地纬软件股份有限公司 一种医保支出风险分析方法及系统
CN113920366A (zh) * 2021-10-15 2022-01-11 美林数据技术股份有限公司 一种基于机器学习的综合加权主数据识别方法
CN114492162A (zh) * 2021-12-21 2022-05-13 中南林业科技大学 一种风景体验影响因子的贡献率的估算方法
CN115001739A (zh) * 2022-04-19 2022-09-02 中国电子科技网络信息安全有限公司 一种基于随机森林的横向蠕虫攻击检测方法
CN115083519A (zh) * 2022-05-18 2022-09-20 北京大学第三医院（北京大学第三临床医学院） 一种基于多来源基因数据库的基因相关特征融合预测方法
CN115343421A (zh) * 2022-08-08 2022-11-15 浙江大学 一种基于智能算法的堆肥腐熟度提升方法
CN116226767A (zh) * 2023-05-08 2023-06-06 国网浙江省电力有限公司宁波供电公司 一种电力系统实验数据自动诊断方法
CN116226767B (zh) * 2023-05-08 2023-10-17 国网浙江省电力有限公司宁波供电公司 一种电力系统实验数据自动诊断方法
CN117112859A (zh) * 2023-06-16 2023-11-24 中国联合网络通信有限公司深圳市分公司 人口移动演化的显示方法、装置及计算机可读存储介质
CN117112859B (zh) * 2023-06-16 2024-05-14 中国联合网络通信有限公司深圳市分公司 人口移动演化的显示方法、装置及计算机可读存储介质
CN117370899A (zh) * 2023-12-08 2024-01-09 中国地质大学（武汉） 一种基于主成分-决策树模型的控矿因素权重确定方法
CN117370899B (zh) * 2023-12-08 2024-02-20 中国地质大学（武汉） 一种基于主成分-决策树模型的控矿因素权重确定方法
CN117493856A (zh) * 2024-01-03 2024-02-02 佛山科学技术学院 一种基于随机森林的串果采摘特征因素分析方法及设备
CN118633929A (zh) * 2024-04-25 2024-09-13 中国科学院深圳先进技术研究院 一种基于可穿戴传感网络的步态评估系统及方法
CN118734157A (zh) * 2024-06-05 2024-10-01 重庆复迪脉数字科技有限公司 一种处理影像的深度学习多中心的泛化能力增强方法
CN118626335A (zh) * 2024-06-14 2024-09-10 内蒙古大学 一种数据中心的能耗数据采集及特征数据选择方法
CN119537028A (zh) * 2025-01-17 2025-02-28 中科南京信息高铁研究院 多容器运行时自适应评估与选择方法

Also Published As

Publication number Publication date
JP7064681B2 (ja) 2022-05-11
CN110728291B (zh) 2022-02-22
JP2022508333A (ja) 2022-01-19
CN110728291A (zh) 2020-01-24

Similar Documents

Publication Publication Date Title
CN110728291B (zh) 一种基于多中心模式下随机森林算法的特征重要性排序系统
CN113707297B (zh) 医疗数据的处理方法、装置、设备及存储介质
US7809660B2 (en) System and method to optimize control cohorts using clustering algorithms
CN110675944A (zh) 分诊方法及装置、计算机设备及介质
CN107341338B (zh) 药品不良反应率处理方法、装置、计算机设备和存储介质
Ramani et al. RETRACTED ARTICLE: MapReduce-based big data framework using modified artificial neural network classifier for diabetic chronic disease prediction
CN111553478A (zh) 基于大数据的社区老年人心血管疾病预测系统与方法
CN112820416A (zh) 一种重大传染病队列数据分型方法、分型模型及电子设备
CN120636766A (zh) 基于多源数据融合的中医智能健康诊断系统及方法
CN112052874B (zh) 一种基于生成对抗网络的生理数据分类方法及系统
Manik A novel approach in determining areas to lockdown during a pandemic: Covid-19 as a case study
Aradhana et al. Cardiovascular diseases prediction using various machine learning techniques
CN120509404A (zh) 医疗问诊文本信息的处理方法、装置、及电子设备
CN120221011A (zh) 急诊预检分诊方法、装置、电子设备及存储介质
CN111986815A (zh) 基于共现关系的项目组合挖掘方法及相关设备
Xie et al. Predicting the risk of stroke based on imbalanced data set with missing data
Sinha et al. Automated detection of coronary artery disease using machine learning algorithm
EP4609406A1 (en) Cancer progression assessment method and system thereof
KR20240117977A (ko) 인공지능 및 자기주도 데이터 기반 원격의료시스템 및 방법
He et al. Diabetes diagnosis and treatment research based on machine learning
Rajput et al. Fact Finding Instructor-based Clustering Technique for BP Estimation using Human Speech Signals
Theodoraki et al. Innovative data mining approaches for outcome prediction of trauma patients
Roy et al. An Efficient Approach to Identify Economic Crisis During Covid-19 Outbreaks Utilizing Data Mining
Godiawala et al. Decision Support System for Early Prediction of Sepsis
Oliveira et al. Towards an intelligent systems to predict nosocomial infections in intensive care

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 20809900

Country of ref document: EP

Kind code of ref document: A1

ENP Entry into the national phase

Ref document number: 2021532354

Country of ref document: JP

Kind code of ref document: A

NENP Non-entry into the national phase

Ref country code: DE

122 Ep: pct application non-entry in european phase

Ref document number: 20809900

Country of ref document: EP

Kind code of ref document: A1

122 Ep: pct application non-entry in european phase

Ref document number: 20809900

Country of ref document: EP

Kind code of ref document: A1