一种基于集成学习的脑卒中溶栓后出血概率预测方法

摘要

一种基于集成学习的脑卒中溶栓后出血概率预测方法，首先对原始数据进行预处理，使得用于模型训练的数据足够精简，同时又能完整地表征原始数据；然后将预处理后的数据输入四个子学习器，分别训练后生成初步结果，并将结果汇总；最后将上一步中得到的汇总结果输入一个CatBoost模型中，经过训练得到最终的概率预测模型。本发明对涉及到脑卒中溶栓后出血概率的诸多因素进行了理论和实践的分析，提取出关键因素，并借助集成学习的性能优势，训练了一个具备较高准确率的预测模型。凭借对各个特征之间相关性的深入探究及对集成学习的合理利用，本发明最终呈现的模型可以在临床上给予医生可靠的理论指导。