预测模型训练方法及装置与流程

本说明书实施例涉及计算机，特别涉及一种预测模型训练方法。

背景技术：

1、在医学上，癌(cancer)是指起源于上皮组织的恶性肿瘤，是恶性肿瘤中最常见的一类。相对应的，起源于间叶组织的恶性肿瘤统称为肉瘤。有少数恶性肿瘤不按上述原则命名，如肾母细胞瘤、恶性畸胎瘤等。一般人们所说的“癌症”习惯上泛指所有恶性肿瘤。癌症具有细胞分化和增殖异常、生长失去控制、浸润性和转移性等生物学特征，其发生是一个多因子、多步骤的复杂过程，分为致癌、促癌、演进三个过程，与吸烟、感染、职业暴露、环境污染、不合理膳食、遗传因素密切相关。

2、目前，癌症病例越来越多，关于癌症手术后的复发情况，结合计算机模型进行预测已得到越来越多的应用，但是目前的精确度不足，亟需一种更好的方案。

技术实现思路

1、有鉴于此，本说明书实施例提供了预测模型训练方法。本说明书一个或者多个实施例同时涉及预测模型训练装置，一种计算设备，一种计算机可读存储介质以及一种计算机程序，以解决现有技术中存在的技术缺陷。

2、根据本说明书实施例的第一方面，提供了一种预测模型训练方法，包括：

3、确定初始对象训练样本以及所述初始对象训练样本对应的样本标签，其中，所述初始对象训练样本对应的样本标签为目标对象结果；

4、根据所述初始对象训练样本确定至少两个目标训练样本集，并从所述至少两个目标训练样本集中初始对象训练样本对应的初始样本特征中，确定所述至少两个目标训练样本集中初始对象训练样本对应的目标样本特征；

5、将所述至少两个目标训练样本集中初始对象训练样本对应的目标样本特征，分别输入所述至少两个目标训练样本集对应的决策树进行预测，获得预测对象结果；

6、根据所述预测对象结果以及所述目标对象结果，对所述至少两个目标训练样本集对应的决策树进行调整，获得预测模型。

7、根据本说明书实施例的第二方面，提供了一种目标对象风险预测方法，包括：

8、获取目标对象的初始数据，将所述初始数据输入预测模型，得到所述目标对象的风险结果。

9、根据本说明书实施例的第三方面，提供了一种预测模型训练装置，包括：

10、样本确定模块，被配置为确定初始对象训练样本以及所述初始对象训练样本对应的样本标签，其中，所述初始对象训练样本对应的样本标签为目标对象结果；

11、特征确定模块，被配置为根据所述初始对象训练样本确定至少两个目标训练样本集，并从所述至少两个目标训练样本集中初始对象训练样本对应的初始样本特征中，确定所述至少两个目标训练样本集中初始对象训练样本对应的目标样本特征；

12、结果预测模块，被配置为将所述至少两个目标训练样本集中初始对象训练样本对应的目标样本特征，分别输入所述至少两个目标训练样本集对应的决策树进行预测，获得预测对象结果；

13、模型调整模块，被配置为根据所述预测对象结果以及所述目标对象结果，对所述至少两个目标训练样本集对应的决策树进行调整，获得预测模型。

14、根据本说明书实施例的第四方面，提供了一种计算设备，包括：

15、存储器和处理器；

16、所述存储器用于存储计算机可执行指令，所述处理器用于执行所述计算机可执行指令，该计算机可执行指令被处理器执行时实现上述预测模型训练方法的步骤。

17、根据本说明书实施例的第四方面，提供了一种计算机可读存储介质，其存储有计算机可执行指令，该指令被处理器执行时实现上述预测模型训练方法的步骤。

18、根据本说明书实施例的第五方面，提供了一种计算机程序，其中，当所述计算机程序在计算机中执行时，令计算机执行上述预测模型训练方法的步骤。

19、本说明书实施例提供预测模型训练方法及装置，预测模型训练方法包括：确定初始对象训练样本以及初始对象训练样本对应的样本标签，其中，初始对象训练样本对应的样本标签为目标对象结果，根据初始对象训练样本确定至少两个目标训练样本集，并从至少两个目标训练样本集中初始对象训练样本对应的初始样本特征中，确定至少两个目标训练样本集中初始对象训练样本对应的目标样本特征，将至少两个目标训练样本集中初始对象训练样本对应的目标样本特征，分别输入至少两个目标训练样本集对应的决策树进行预测，获得预测对象结果，根据预测对象结果以及目标对象结果，对至少两个目标训练样本集对应的决策树进行调整，获得预测模型。由于根据预测对象结果以及目标对象结果，对至少两个目标训练样本集对应的决策树进行调整，提高了每个决策树的预测能力，由此，提高了包含决策树的预测模型的预测结果的准确性。

技术特征：

1.一种预测模型训练方法，其特征在于，包括：

2.根据权利要求1所述的方法，其特征在于，所述根据所述初始对象训练样本确定至少两个目标训练样本集，包括：

3.根据权利要求1所述的方法，其特征在于，所述从所述至少两个目标训练样本集中初始对象训练样本对应的初始样本特征中，确定所述至少两个目标训练样本集中初始对象训练样本对应的目标样本特征，包括：

4.根据权利要求1所述的方法，其特征在于，所述将所述至少两个目标训练样本集中初始对象训练样本对应的目标样本特征，分别输入所述至少两个目标训练样本集对应的决策树进行预测，获得预测对象结果，包括：

5.根据权利要求1所述的方法，其特征在于，所述根据所述预测对象结果以及所述目标对象结果，对所述至少两个目标训练样本集对应的决策树进行调整，获得预测模型，包括：

6.根据权利要求1所述的方法，其特征在于，在所述确定初始对象训练样本以及所述初始对象训练样本对应的样本标签之前，还包括：

7.根据权利要求1所述的方法，其特征在于，在所述获得预测模型之后，还包括：

8.一种目标对象风险预测方法，其特征在于，包括：

9.一种预测模型训练装置，包括：

10.一种计算设备，包括：

11.一种计算机可读存储介质，其存储有计算机可执行指令，该计算机可执行指令被处理器执行时实现权利要求1至7任意一项所述预测模型训练方法的步骤。

技术总结
本说明书实施例提供预测模型训练方法及装置，预测模型训练方法包括：确定初始对象训练样本以及初始对象训练样本对应的样本标签，其中，初始对象训练样本对应的样本标签为目标对象结果，根据初始对象训练样本确定至少两个目标训练样本集，并从至少两个目标训练样本集中初始对象训练样本对应的初始样本特征中，确定至少两个目标训练样本集中初始对象训练样本对应的目标样本特征，将至少两个目标训练样本集中初始对象训练样本对应的目标样本特征，分别输入至少两个目标训练样本集对应的决策树进行预测，获得预测对象结果，根据预测对象结果以及目标对象结果，对至少两个目标训练样本集对应的决策树进行调整，获得预测模型。提高了预测结果的准确性。

技术研发人员：刘红樱,匡明,林芝,汤佳,程伟,宋甜甜
受保护的技术使用者：杭州康晟健康管理咨询有限公司
技术研发日：
技术公布日：2024/1/12