[發(fā)明專利]基于改進的邏輯回歸模型的健康管理方法

在審

• 申請?zhí)枺?/td>: 201910896405.0
• 申請日: 2019-09-20
• 公開（公告）號: CN110957044A
• 公開（公告）日: 2020-04-03
• 發(fā)明（設(shè)計）人: 張毅駿;譚翔
• 申請（專利權(quán)）人: 上海派拉軟件股份有限公司
• 主分類號: G16H50/70
• 分類號: G16H50/70;G16H50/30
• 代理公司: 上海申匯專利代理有限公司 31001
• 代理人: 徐俊;柏子雵

1.一種基于改進的邏輯回歸模型的健康管理方法，其特征在于，包括以下步驟：

步驟1、建立訓練數(shù)據(jù)集，訓練數(shù)據(jù)集中的每個數(shù)據(jù)對應一個個體，包括自變量字段及決策目標字段，其中，自變量字段包括個體的身體指標數(shù)據(jù)及遺傳病史數(shù)據(jù)，決策目標字段包括個體是否認為自己健康；

步驟2、提取訓練數(shù)據(jù)集中的數(shù)值字段，對所有數(shù)值字段進行劃分，其中，對當前數(shù)值字段進行劃分包括以下步驟：

步驟201、將劃分次數(shù)變量n的初始化為0；

步驟202、將當前數(shù)值字段劃分為K類，n＝n+1；

步驟203、若n>m，進入步驟207，否則進入步驟204，m為預先設(shè)定的閾值；

步驟204、計算當前劃分下每一類的證據(jù)權(quán)重，其中，當前劃分下第k類的證據(jù)權(quán)重為WOE(k)，則有：WOE(k)＝ln(r(k))，式中，k＝1,2,…,K；P(k,1)為第k類下的目標變量為1的概率，P(k,0)為第k類下的目標變量為0的概率；

步驟205、采用以下公式計算當前劃分下當前數(shù)值字段的信息值：

步驟206、若步驟205計算得到的信息值大于等于設(shè)定的閾值一，且K在2到5之間，且每個分類下的數(shù)量占比都大于設(shè)定的閾值二，則進入步驟207，否則重新設(shè)定K的值返回步驟202；

步驟207、找到信息最大值是對應的劃分，記錄當前數(shù)值字段的當前劃分，返回當前數(shù)值字段的劃分結(jié)果；

步驟3、將劃分后的數(shù)值字段與訓練數(shù)據(jù)集中的其他字段輸入邏輯回歸模型，對邏輯回歸模型進行訓練，訓練數(shù)據(jù)集的決策目標字段作為建模目標字段，邏輯回歸模型輸出的p值最小的M個字段組成模型結(jié)果；

步驟4、建立測試數(shù)據(jù)集，利用步驟2相同的方法對測試數(shù)據(jù)集中的數(shù)值字段進行劃分，將劃分后的數(shù)值字段與測試數(shù)據(jù)集中的其他字段一起輸入訓練后的邏輯回歸模型中，得到邏輯回歸模型輸出的p值最小的M個字段組成模型結(jié)果，若邏輯回歸模型輸出的模型結(jié)果與測試數(shù)據(jù)集中決策目標字段的實際值相同的概率大于設(shè)定的閾值三，則進入步驟5，否則建立新的訓練數(shù)據(jù)集，返回步驟1重新對邏輯回歸模型進行訓練；

步驟5、實時獲得某個個體的身體指標數(shù)據(jù)及遺傳病史數(shù)據(jù)，利用步驟2的方法對身體指標數(shù)據(jù)及遺傳病史數(shù)據(jù)中的數(shù)值字段進行劃分，將劃分后的數(shù)值字段與剩余的其他字段一起輸入訓練好的邏輯回歸模型中，得到邏輯回歸模型輸出的p值最小的M個字段組成的模型結(jié)果。