一种融合Bagging的随机树慢性肾病分期预测算法

摘要

本发明公开了一种融合Bagging的随机树慢性肾病分期预测算法，简称RTB算法。该算法首先在适于慢病分类决策的随机树算法基础上，将随机树算法看作一个反向传播的基分类器，融合Bagging思想，通过多次随机抽样，形成多个同样大小的袋内数据集，对生成的多个袋内数据集分别构建基分类器，用基分类器分别对每个袋外数据集进行分类，最后多数投票得到分类预测结果。其次，考虑到样本和基分类器的权重是固定的，在每次迭代时不能动态调整权重，提出一种双向自适应权重分配策略，前向更新样本的权重，对于错分的样本设置更大的权重，后向更新基分类器的权重，基分类器的投票权重随着分类错误率增大而减小。