一种基于机器学习的布鲁氏菌病特征选择方法及系统

摘要

本发明公开了一种基于机器学习的布鲁氏菌病特征选择方法及系统，包括：数据获取模块、数据预处理模块、RFE特征排序模块、SHAP分析模块和特征选择模块；该方法为：获取布鲁氏菌病患者及非布鲁氏菌病个体的非空血常规数据并进行预处理；利用递归特征消除RFE得出各特征排序并赋权重；利用随机森林算法构建与训练分类模型，利用SHAP进行可解释性分析，并根据各特征的重要性赋予其权重；分别计算各特征的总权重并降序排列，从首项起依次增加特征构成特征子集，分别进行模型训练与交叉验证，选择最优特征子集为最终的特征集；本发明利用机器学习模型对布鲁氏菌病等分类模型进行多维特征的特征选择过程，降低维度冗余的同时，选择出预测效能较优的特征子集。