一种基于随机森林模型特征空间拟合的病情预测算法

摘要

本发明涉及信息分析预测技术领域，公开了一种基于随机森林模型特征空间拟合的病情预测算法，包括以下步骤：步骤S1，构建初始预测模型并采集样本数据，从医疗系统大数据库中得到病症的相关特征对象作为样本数据，在样本数据获取过程中，对样本数据进行精细化处理得到第一数据集合，并将第一数据集合代入到初始模型中；步骤S2，对第一数据集合的特征变量进行重要性排序，然后采用序列前向选择算法拟合初始模型空间得到随机森林预测模型；步骤S3，采集用户数据，将用户数据代入到随机森林预测模型中得到预测结果。本发明具有提高用户病情预测准度的有益效果。