[發明專利]一種基于特征權重的LARS糖尿病預測方法

在審

• 申請號: 201910340600.5
• 申請日: 2019-04-25
• 公開（公告）號: CN110060781A
• 公開（公告）日: 2019-07-26
• 發明（設計）人: 高秀娥;陳波;陳世峰;桑海濤;胡玲艷
• 申請（專利權）人: 嶺南師范學院
• 主分類號: G16H50/50
• 分類號: G16H50/50;G06F17/18;G06F17/16
• 代理公司: 廣州市南鋒專利事務所有限公司 44228
• 代理人: 李慧

1.一種基于特征權重的LARS糖尿病預測方法，其特征在于，包括如下步驟：

步驟1，歸一化糖尿病數據集矩陣，初始化當前擬合值向量和殘差向量；

步驟2，計算自變量特征權重向量和原始相關度向量；

步驟3，計算角平分向量、回歸系數向量、新相關度向量和最大相關度；

步驟4，更新回歸系數向量，擬合值向量、殘差向量和指標集；

步驟5，判斷殘差向量的L2范數是否小于容忍度，若是則結束，否則重復步驟3至步驟5。

2.根據權利要求1所述基于特征權重的LARS糖尿病預測方法，其特征在于，所述步驟1的糖尿病數據集特征之間差值大，需對每個特征值進行歸一化；所述當前擬合值為當前迭代的預測值，殘差為真實值與當前預測值的差，其計算方式(1)為：

式中，μ為當前擬合值向量；y為真實值向量。

3.根據權利要求1所述基于特征權重的LARS糖尿病預測方法，其特征在于，所述步驟2中計算原始特征自變量與y的相關度公式(2)為：c＝X^Ty

所述計算特征自變量的特征權重的公式(3)為：

式中，為特征方程的特征值，

特征方程中R為糖尿病數據集矩陣的協方差矩陣，其計算公式(4)為：

式中，θ_i為第i個特征的均值。

4.根據權利要求3所述基于特征權重的LARS糖尿病預測方法，其特征在于，所述步驟3中，計算新相關度的計算公式(5)為：C＝c^Tβ

式中，c＝X^T(y-μ_A)，μ_A為前一步的擬合值；β為求得各特征自變量的特征權重向量，其相關度最大值公式(6)為：C_max＝max{|C|}

當前最大相關時，則A自變量與y的相關度都為最大。

回歸系數向量和角平分的計算公式(7)分別為：

其中，是一個指標集，X_A為X從中取出的A指標集里的列向量，并使其與y同向，則公式(8)分別為：

5.根據權利要求4所述基于特征權重的LARS糖尿病預測方法，其特征在于，所述步驟4中，更新回歸系數向量，擬合值向量，殘差向量的計算公式分別為：

ω_A＝ω_A+γω_A (9)

μ_A＝μ_A+γu_A (10)

隨著γ的減小，殘差增大，進而與各自變量的相關度也增大，得a＝X^Tu_A，因此算法沿u_A方向的前進長度公式(12)為：