[發明專利]一種基于集成樹模型的防疫隔離天數決策方法

在審

• 申請號: 202010428937.4
• 申請日: 2020-05-20
• 公開（公告）號: CN111640514A
• 公開（公告）日: 2020-09-08
• 發明（設計）人: 蔡浩;陳小明;張承鈿;方偉俊;姚浩生
• 申請（專利權）人: 廣東叁玖捌大數據科技有限公司
• 主分類號: G16H50/80
• 分類號: G16H50/80
• 代理公司: 廣州三環專利商標代理有限公司 44202
• 代理人: 周增元

本發明實施例公開了一種基于集成樹模型的防疫隔離天數決策方法，使用網格化參數搜索，使用以下參數作為訓練輸入：logistic目標函數、每棵樹的最大深度設置為6、將所述logistic目標函數通過泰勒展開簡化的二次函數、控制正樣本的權重設置為訓練集中的負樣本/正樣本比例、學習率、樹的數量、交叉驗證折數、評價指標；S2：對所有可能的超參數組合分別進行訓練，根據交叉檢驗的平均結果，選出最優超參數；S3：將得到的模型用于預測。采用本發明，可以對防疫的相關人員進行隔離天數判斷，避免使用一概式機械隔離處理。

技術領域

本發明涉及機器學習預測分析與醫療健康技術領域，尤其涉及一種基于集成樹模型的防疫隔離天數決策方法。

背景技術

在新冠流行期，為了防止疫情擴大化，各地區需要對外來人員進行隔離。但14天的隔離期也對復工復產造成了一定阻礙。由于隔離人員的身體素質和生活習慣等的不同，感染新冠病毒的概率也不同，現有的一概式進行隔離的方式，導致大量不必被隔離完全期限的人們花費了大量的人力和物力，并且造成有限資源的占用。

發明內容

本發明實施例所要解決的技術問題在于，提供一種基于集成樹模型的防疫隔離天數決策方法，可對防疫的相關人員進行隔離天數判斷。

為了解決上述技術問題，本發明實施例提供了一種基于集成樹模型的防疫隔離天數決策方法，包括以下步驟：

S1：使用網格化參數搜索，使用以下參數作為訓練輸入：logistic目標函數、每棵樹的最大深度設置為6、將所述logistic目標函數通過泰勒展開簡化的二次函數、控制正樣本的權重設置為訓練集中的負樣本/正樣本比例、學習率、樹的數量、交叉驗證折數、評價指標；

S2：對所有可能的超參數組合分別進行訓練，根據交叉檢驗的平均結果，選出最優超參數；

S3：將得到的模型用于預測。

其中，當目標函數為logistic函數時，樣本權重和公式為：

其中，σ為sigmoid函數，為一個樣本x_i經過前k-1棵樹的權重和，I_j表示被分配到葉子節點j的樣本集合。

其中，將所述模型的輸出概率值轉換為天數，公式為：p×12+3，其中p為概率，對結果四舍五入取整，得到隔離天數。

實施本發明實施例，具有如下有益效果：通過本發明的方法，可以對防疫的相關人員進行隔離天數判斷，避免使用一概式機械隔離處理。

具體實施方式

為使本發明的目的、技術方案和優點更加清楚，下面將對本發明作進一步地詳細描述。

本發明使用具備前述特征的數據集(數據量不少于為6000)，使用XGBoost算法訓練一個集成樹模型，并通過網格化參數搜索和交叉驗證確定最優超參數。用于決策時，將模型輸出的實數值轉換為隔離天數。具體步驟如下：

步驟1：由于本發明使用網格化參數搜索，因此部分變量會有多個候選值。參數設置如下：

objective：由于目標變量是類別型，訓練時使用logistic目標函數。參數設為binary:logistic。

max_depth：集成模型中，每棵樹的最大深度。該參數可以控制模型復雜度，默認參數為6。本發明中通過參數搜索選擇最優參數，候選參數選取為默認值附近的幾個值，設為[4,5,6,7,8]。