[發明專利]增強的集成模型多樣性和學習

在審

• 申請號: 202080022167.1
• 申請日: 2020-03-18
• 公開（公告）號: CN113632112A
• 公開（公告）日: 2021-11-09
• 發明（設計）人: S.薩特;D.S.圖拉加;C.阿加瓦爾;V.N.帕武魯里;張元極
• 申請（專利權）人: 國際商業機器公司
• 主分類號: G06N20/00
• 分類號: G06N20/00
• 代理公司: 北京市柳沈律師事務所 11105
• 代理人: 邸萬奎

用于由處理器實現增強的集成模型多樣性和學習的實施例。可通過將少數類的數據點的一個或多個集群與多數類的所選數據點進行組合來創建一個或多個數據集合。可使用受監督機器學習操作從一個或多個數據集合創建一個或多個集成模型。可使用一個或多個集成模型來預測事件的發生。

發明背景

技術領域

本發明總體上涉及計算系統，并且更具體地涉及用于由處理器使用非監督機器學習來增強監督集成模型的不同實施例。

背景技術

在當今社會中，與技術的進步相結合的各種醫療進步已經使得各種各樣的隨附益處成為可能，諸如患者的計算機化監測、或者表示患者的健康記錄的數據的存儲或組織。隨著計算機、處理器、存儲設備和移動計算平臺遍及社會的各方面的激增，為了患者、健康專家和其他人的利益，額外的機會繼續在衛生保健領域中體現其作用。

發明內容

提供了用于由處理器實現增強的集成模型多樣性和學習的不同實施例。在一個實施例中，僅通過示例的方式，提供了一種用于由處理器實現增強的集成模型多樣性和學習的方法。可通過將少數類的數據點的一個或多個集群與多數類的所選數據點進行組合來創建一個或多個數據集合。可使用受監督機器學習操作從一個或多個數據集創建一個或多個集成模型。可使用一個或多個集成模型來預測事件的發生。

附圖說明

為了容易理解本發明的優點，將通過參考在附圖中示出的具體實施例呈現以上簡要描述的本發明的更具體的描述。應理解，這些附圖僅描繪了本發明的典型實施例，并且因此不被認為是對其范圍的限制，將通過使用附圖用另外的具體性和細節來描述和解釋本發明，在附圖中：

圖1是描述根據本發明實施例的示例性計算節點的框圖；

圖2是示出根據本發明的實施例的示范性云計算環境的附加框圖；

圖3是描述根據本發明實施例的抽象模型層的附加框圖；

圖4是描繪根據本發明的方面起作用的不同用戶硬件和計算組件的圖；

圖5是描繪根據本發明的方面的用于整體學習和多樣性的操作的圖；

圖6是描繪了根據本發明的各方面的多樣性增強集成模型學習的操作的圖；

圖7是描繪根據本發明的方面的用于使用集成模型的標簽預測的操作的圖；并且

圖8是可實現本發明的各個方面的用于由處理器實現增強的集成模型多樣性和學習的示范性方法的流程圖。

附圖詳細說明

許多患者患有需要持續管理和注意的各種疾病，如糖尿病(“糖尿病”)。糖尿病是由于胰腺不能產生足夠的胰島素或身體的細胞不能適當地響應所產生的胰島素。糖尿病的管理集中在保持血糖水平接近正常，而不引起低血糖/糖(“低血糖”)。通常，為了避免低血糖，糖尿病患者維持異常高的血糖水平以提供針對低血糖水平的“緩沖液”。這種恒定的高血糖水平是糖尿病的大多數長期并發癥(即視網膜病、神經病、腎病和心血管疾病)的根本原因。例如，血糖監測設備目前可用于提供實時連續血糖監測，該血糖監測在檢測到低血糖病癥時警告患者。然而，需要計算系統來在檢測患者的低血糖狀況之前準確地預測低血糖狀況。

在一個方面，所示實施例的機制采用人工智能(諸如機器學習)以允許計算機基于大量經驗數據來模擬人類的智能和選擇。機器學習可以捕獲感興趣的特性，諸如糖尿病及其潛在的概率分布，并且訓練數據集可以用于訓練機器學習模型。模型或規則集可被構建并用于基于多個特征的值來預測結果。機器學習可使用通常針對每一記錄包括一組特征中的每一者的值和結果的數據集。根據該數據集，開發了用于預測結果的模型或規則集。