本發(fā)明公開了一種基于集成進化學習的華法林劑量預(yù)測建模方法,包括如下步驟:(1)、基于遺傳編碼進化基函數(shù);(2)、基于進化策略演算系數(shù);(3)、基于遺傳算法框架的選擇、優(yōu)化得到M個候選模型;(4)、在M個候選模型基礎(chǔ)上,選擇m個模型進行權(quán)重和的集成,得到最終的預(yù)測模型;集成學習得到的回歸預(yù)測模型進行測試集合數(shù)據(jù)上的實際預(yù)測。本發(fā)明采用集成進化學習的方式構(gòu)建模型,集成進化學習是構(gòu)建出準確預(yù)測華法林劑量模型的關(guān)鍵點;相比于貝葉斯決策系統(tǒng)、人工神經(jīng)網(wǎng)絡(luò)和支持向量機等建模方法,集成進化回歸模型有著更好的泛化能力;相比于個體進化回歸模型,集成進化回歸模型有著更好的穩(wěn)定性。
聲明:
“基于集成進化學習的華法林劑量預(yù)測建模方法” 該技術(shù)專利(論文)所有權(quán)利歸屬于技術(shù)(論文)所有人。僅供學習研究,如用于商業(yè)用途,請聯(lián)系該技術(shù)所有人。
我是此專利(論文)的發(fā)明人(作者)