一种面向样本不均衡的多疾病分类器设计方法

摘要

本发明目的在于克服现有技术的不足，给出一种面向样本不均衡的多疾病分类器设计方法，首先对按其疾病类别将医学病例数据划分为多个病例样本子集，然后对每个样本子集进行病症关联规则的特征选择方法，选择出该病例样本子集的特征向量，然后在不均衡度为上限阈值的前提条件下，迭代随机更新采用概率，对病例样本子集进行均衡化，然后再训练每一个样本子集的弱分类器并计算其分类效果，并最终通过判断macro‑F1的差值是否满足迭代收敛阈值来决定迭代生成多疾病分类器是否结束。