一种基于高相关性特征集选择技术的病历大数据分类方法

在所有新兴的大数据研究主题中,数据分类问题成为我们在分析问题时遇到的一个巨大挑战。在分析大规模病历时,采用树状结构的分层学习方法训练最大边缘分类器,可以得到较好的分类结果,且具有较高的计算效率。特征的质量影响分层学习算法对病历分类的效果。因此,我们必须提取判别特征来训练层次分类器。文章提出了一种高度相关特征集选择(HCFS)算法,并将其与分层学习方法相结合,该算法可识别出良好的特征子集,提高分类精度。