技术特征：
1.一种基于血常规数据的过敏源数据提取方法，其特征在于，包括以下步骤：s1、获取血常规数据，构建数据集，对数据集进行z-score标准化，对标准化后的数据集进行划分，得到训练集、验证集和测试集；s2、基于全连接神经网络构建预测模型；s3，基于训练集对预测模型进行训练，通过类别加权，对数据集进行阴阳平衡，通过五折交叉验证，提高模型的稳定性；s4、输入待检测数据，得到模型预测结果。2.根据权利要求1所述的一种基于血常规数据的过敏源数据提取方法，其特征在于，所述预测模型为多种，包括由3层全连接层和3层dropout层构成，以及4层全连接层和4层dropout层构成。3.根据权利要求1所述的一种基于血常规数据的过敏源数据提取方法，其特征在于，所述数据集的划分方式为，训练集∶验证集∶测试集＝6∶2∶2。4.根据权利要求1所述的一种基于血常规数据的过敏源数据提取方法，其特征在于，基于数据集的原始均值和和标准差进行数据的标准化，z-score标准化的转换公式：其中，x为样本观测值，μ为总体数据均值，σ为总体数据的标准，使经标准化后的数据的均值为0，标准差为1。5.根据权利要求1所述的一种基于血常规数据的过敏源数据提取方法，其特征在于，所述预测模型为y＝x
×
w+b，其中，x为输入，代表年龄、性别以及22项血常规指标，y为隐藏层输出，即提取的特征向量，w为模型隐藏层权重，b为偏置项。6.根据权利要求1所述的一种基于血常规数据的过敏源数据提取方法，其特征在于，所述类别加权为当“0”类样本数量多于“1”类样本数量时，通过调高“1”类权重达到平衡。7.根据权利要求1所述的一种基于血常规数据的过敏源数据提取方法，其特征在于，所述五折交叉验证为进行5次随机抽取，每次抽取后完成一次训练测试，得到5次的训练结果和测试结果，对其求均值得到最终模型的训练结果和测试结果。
技术总结
本发明公开了一种基于血常规数据的过敏源数据提取方法，包括以下步骤：S1、获取血常规数据，构建数据集，对数据集进行Z-Score标准化，对标准化后的数据集进行划分，得到训练集、验证集和测试集；S2、基于全连接神经网络构建预测模型；S3，基于训练集对预测模型进行训练，通过类别加权，对数据集进行阴阳平衡，通过五折交叉验证，提高模型的稳定性；S4、输入待检测数据，得到模型预测结果。得到模型预测结果。得到模型预测结果。
技术研发人员：陈超 宋彪 王亚楠
受保护的技术使用者：内蒙古卫数数据科技有限公司
技术研发日：2022.11.02
技术公布日：2023/1/19