[發(fā)明專利]并入數(shù)據(jù)分組的預(yù)測(cè)模型

在審

• 申請(qǐng)?zhí)枺?/td>: 202011104920.X
• 申請(qǐng)日: 2020-10-15
• 公開（公告）號(hào): CN112669908A
• 公開（公告）日: 2021-04-16
• 發(fā)明（設(shè)計(jì)）人: 王海天;夏小璇;徐仲锳
• 申請(qǐng)（專利權(quán)）人: 香港中文大學(xué)
• 主分類號(hào): G16B40/20
• 分類號(hào): G16B40/20;G16H50/30;G06K9/62
• 代理公司: 北京英賽嘉華知識(shí)產(chǎn)權(quán)代理有限責(zé)任公司 11204
• 代理人: 王達(dá)佐;洪欣

Prism Vote方法是一種用于群體分層數(shù)據(jù)集的預(yù)測(cè)模型。具體來講，Prism Vote利用主成分分析將訓(xùn)練樣本劃分為不同的分組，并基于不同的分組構(gòu)建預(yù)測(cè)模型。對(duì)于測(cè)試樣本，根據(jù)其群體分層結(jié)構(gòu)基于貝葉斯方法計(jì)算其屬于不同分組的概率，使用這個(gè)概率作為權(quán)重，將多個(gè)預(yù)測(cè)模型的預(yù)測(cè)結(jié)果進(jìn)行加權(quán)求和，作為最終決策。

相關(guān)申請(qǐng)的交叉引用

本申請(qǐng)要求2019年10月15日提交的第62/915,459號(hào)美國臨時(shí)申請(qǐng)的優(yōu)先權(quán)。

背景技術(shù)

本公開內(nèi)容總體上涉及結(jié)果的預(yù)測(cè)，并且特別涉及并入數(shù)據(jù)分組的預(yù)測(cè)模型。

準(zhǔn)確的預(yù)測(cè)模型在多個(gè)領(lǐng)域都有重要的指導(dǎo)意義。例如，在醫(yī)學(xué)領(lǐng)域中，可根據(jù)特定患者的癌癥風(fēng)險(xiǎn)提出與癌癥篩查有關(guān)的最佳建議(例如，實(shí)施篩查的頻率和/或?qū)嵤┠姆N篩查測(cè)試)。再者，如果患者患有特定疾病，則可以根據(jù)預(yù)測(cè)結(jié)果選擇最優(yōu)治療方案。

傳統(tǒng)上，使用諸如線性或邏輯回歸的技術(shù)，可以基于一個(gè)或多個(gè)自變量生成預(yù)測(cè)。在傳統(tǒng)方法中，研究團(tuán)隊(duì)設(shè)計(jì)一項(xiàng)研究來測(cè)試特定變量(或變量集)與特定結(jié)果相關(guān)的特定假設(shè)，然后收集足以檢驗(yàn)該假設(shè)的樣本數(shù)量，其中該數(shù)量是基于預(yù)期的效應(yīng)大小、要控制的潛在混淆變量等預(yù)先確定的。

最近，機(jī)器學(xué)習(xí)使得個(gè)性化預(yù)測(cè)成為可能，特別是在面臨大量的潛在相關(guān)變量時(shí)。機(jī)器學(xué)習(xí)分類器通常被給予大量“訓(xùn)練”樣本，該數(shù)據(jù)集中變量和結(jié)果均已知。使用已知的訓(xùn)練程序來訓(xùn)練分類器，以優(yōu)化目標(biāo)函數(shù)。通常，機(jī)器學(xué)習(xí)分類器的訓(xùn)練是動(dòng)態(tài)過程，隨著新樣本被添加到訓(xùn)練數(shù)據(jù)集中，此分類器會(huì)重新訓(xùn)練以利用新的信息。

發(fā)明內(nèi)容

隨著數(shù)據(jù)集樣本增多，數(shù)據(jù)結(jié)構(gòu)在樣本中的差異性愈來愈明顯。這種漸增的異構(gòu)性會(huì)導(dǎo)致假設(shè)“整個(gè)訓(xùn)練數(shù)據(jù)集為同質(zhì)性群體”的預(yù)測(cè)算法的準(zhǔn)確性降低。例如，可能對(duì)部分群體的強(qiáng)預(yù)測(cè)變量對(duì)于另一部分樣本幾乎沒有貢獻(xiàn)。

所要求保護(hù)的發(fā)明的某些實(shí)施方案涉及適用于群體分層的預(yù)測(cè)的技術(shù)。利用主成分分析的方法將樣本根據(jù)數(shù)據(jù)結(jié)構(gòu)分組，并基于不同的分組構(gòu)建預(yù)測(cè)模型。對(duì)于測(cè)試樣本，根據(jù)其群體分層結(jié)構(gòu)基于貝葉斯方法計(jì)算屬于不同分組的概率，使用這個(gè)概率作為權(quán)重，將多個(gè)預(yù)測(cè)模型的預(yù)測(cè)結(jié)果進(jìn)行加權(quán)求和，作為最終決策。

本文所述的技術(shù)可應(yīng)用于存在樣本組間差異的任何數(shù)據(jù)集。雖然本文所述的實(shí)例涉及使用基因組數(shù)據(jù)的疾病預(yù)測(cè)，但相似的技術(shù)也可應(yīng)用于其它背景中。例如，在衛(wèi)生保健領(lǐng)域，數(shù)據(jù)可以包括除基因組數(shù)據(jù)以外的生物標(biāo)志物(例如血液化學(xué)數(shù)據(jù)；醫(yī)學(xué)成像數(shù)據(jù)；生物計(jì)量參數(shù)，如心率或血壓；家族病史；行為參數(shù)(如飲食或運(yùn)動(dòng))，以及預(yù)測(cè)可涉及診斷(例如，特定疾病的存在或不存在)、發(fā)展疾病的可能性、對(duì)特定療程的預(yù)期反應(yīng)等。本文所述的技術(shù)也可應(yīng)用于其它領(lǐng)域，如金融(例如，預(yù)測(cè)未來投資回報(bào)或貸款違約的可能性)、保險(xiǎn)(例如，預(yù)測(cè)被保險(xiǎn)人未來索賠的可能價(jià)值)等。

以下詳細(xì)描述以及附圖將提供對(duì)所要求保護(hù)的發(fā)明的性質(zhì)和優(yōu)點(diǎn)的更好的理解。

附圖說明

圖1顯示了根據(jù)本發(fā)明的實(shí)施方案的用于預(yù)測(cè)結(jié)果可能性的過程的流程圖。

圖2顯示了在本發(fā)明的一些實(shí)施方案中可以與圖1的過程一起使用的用于訓(xùn)練集分組的過程的流程圖。

圖3顯示了在本發(fā)明的一些實(shí)施方案中可以與圖1的過程一起使用的用于計(jì)算預(yù)測(cè)結(jié)果的過程的流程圖。

圖4A-4D顯示了例示出將根據(jù)本發(fā)明的實(shí)施方案的過程應(yīng)用于模擬數(shù)據(jù)集的結(jié)果的四幅圖。

圖5是例示出將根據(jù)本發(fā)明的實(shí)施方案的過程應(yīng)用于模擬數(shù)據(jù)集的結(jié)果的條形圖。

圖6是顯示使用根據(jù)本發(fā)明的實(shí)施方案的過程和全局邏輯回歸分析的阿爾茨海默病數(shù)據(jù)的接收者操作特性(ROC)曲線的圖。

圖7是顯示使用根據(jù)本發(fā)明的實(shí)施方案的過程和全局邏輯回歸分析的精神分裂癥數(shù)據(jù)的ROC曲線的圖。

具體實(shí)施方式