(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111614705.9 (22)申请日 2021.12.27 (71)申请人 苏州联科医疗科技有限公司 地址 215000 江苏省苏州市高新区狮山路 金狮大厦7D1室21 (72)发明人 武岩　 (74)专利代理 机构 苏州国卓知识产权代理有限 公司 323 31 专利代理师 刘颖棋 (51)Int.Cl. G06Q 30/02(2012.01) G06N 3/00(2006.01) G06N 20/00(2019.01) (54)发明名称 基于机器学习的药品市场规模预测系统 (57)摘要 本发明公开的属于药品市场规模预测技术 领域， 具体为基于机器学习的药品市场规模预测 系统， 包括中央处理器、 数据采集模块、 数据储存 模块、 客户端、 数据传输模块、 数据处理模块、 随 机森林模型模块、 筛选模块， 数据处理模块将采 集到的目标药品数据转换为对应格式的目标药 品样本自变量数据结构， 通过随机森 林模型模块 评估全部自变量的重要性， 通过筛选模块对自变 量的重要评价指标和自变量的重要性按降序排 列， 得到自变量合集， 通过自变量合集带入模型 进行计算， 根据拟合优度和准确率筛选最优模 型， 通过最优模型对药品市场规模进行预测， 从 而提高预测结果的准确性， 具有较好的使用效 果， 避免药品频繁缺货 的同时， 库存中不会堆积 过多相同药品。 权利要求书1页 说明书4页 附图1页 CN 114445120 A 2022.05.06 CN 114445120 A 1.基于机器学习的药品市场规模预测系统， 其特征在于： 包括中央处理器(1)、 数据采 集模块(4)、 数据储存模块(2)、 客户端(5)、 数据传输模块(3)、 数据处理模块(8)、 随机森林 模型模块(7)、 筛 选模块(10)； 所述中央处 理器(1)用于进行系统信息处 理、 执行系统程序运行； 所述数据采集模块(4)用于采集目标药品的数据， 并通过数据传输模块(3)将目标药品 的数据传输 至中央处 理器(1)； 所述数据储存模块(2)用于储存系统数据和数据采集模块(4)采集到的目标药品的数 据； 所述客户端(5)用于用户登录系统； 所述数据传输模块(3)用于将中央处 理器(1)与数据采集模块(4)之间进行 数据传输； 所述数据处理模块(8)用于将数据储存模块(2)中储存的数据采集模块(4)采集到的目 标药品数据转换为对应 格式的目标 药品样本自变量数据结构； 所述随机森林模型模块(7)用于评估全部自变量的重要性， 对于预测药品采购量的回 归问题， 采用均方误差增率作为自变量的重要评价指标， 对于预测采购量倍率评级的分类 问题， 采用平均准确率降幅评价自变量的重要性； 所述筛选模块(10)对自变量的重要评价指标和自变量的重要性按降序排列， 得到自变 量合集， 通过自变量合集带入模 型进行计算， 根据拟合优度和准确率筛选最优模 型， 通过最 优模型对药品市场规模进行 预测。 2.根据权利要求1所述的基于机器学习的药品市场 规模预测系统， 其特征在于： 所述数 据采集模块(4)采集目标药品的数据包括药品属性、 医院属性、 市场竞争、 销量、 售价， 药品 属性为药品分类、 医保分类和采购价格， 医院属性包括医院等级、 地理位置、 药品采购规模， 市场竞争包括同一区域内， 竞争企业数量和竞争企业的实力 信息。 3.根据权利要求1所述的基于机器学习的药品市场 规模预测系统， 其特征在于： 所述中 央处理器(1)连接有日志模块(6)， 所述日志模块(6)用于生成系统日志。 4.根据权利要求1所述的基于机器学习的药品市场 规模预测系统， 其特征在于： 所述中 央处理器(1)连接有账号登录模块(9)， 所述 客户端(5)通过 账号登录模块(9)登录系统。 5.根据权利要求1所述的基于机器学习的药品市场 规模预测系统， 其特征在于： 所述随 机森林模型模块(7)通过监督学习算法， 提取目标药品样本自变量数据结构， 采用有放回的 选择参考自变量样本来搭建分类器， 通过所述分类器学习 形成随机森林模型， 通过随机森 林模型评估 全部自变量的重要性。 6.根据权利要求5所述的基于机器学习的药品市场 规模预测系统， 其特征在于： 所述分 类器搭建的过程中包括训练集和决策树， 目标药品样本 自变量数据结构进入训练集中， 通 过决策树输出参 考自变量结果， 根据结果 生成分类 器。权　利　要　求　书 1/1 页 2 CN 114445120 A 2基于机器学习的药 品市场规 模预测系统 技术领域 [0001]本发明涉及药品市场规模预测技术领域， 具体为基于机器学习的药品市场规模预 测系统。 背景技术 [0002]药品市场是指药品的使用者、 消费者和药企、 医院等医疗服务机构之间相互作用， 并决定药品价格和 加以数量的机制。 [0003]随着计算机产业跃进式的飞速发展， 以大数据与智能算法为基础的数据挖掘技术 正处于蓬勃发展的时期。 大数据中存在着诸多不同类型 的计算数据， 各种类型 的数据之间 存在着一定的关联。 为保证药品供应体系正常运转可以尽量减少库存等运营成本， 也能保 证持续不间断的药品供应。 要实现上述两个目标， 必须对每种药品的需求进行准确预测。 如 果预测远远高于实际需求量， 则势必导致很高的库存水平， 从而增加库存等运营成本； 反 之， 如果预测数量过低， 则可能导 致频繁缺货。 [0004]通过对药品市场规模进行预测确定药品的购买量， 能够避免频繁缺货的同时， 库 存中不会堆积过多药品， 造成运营成本增加， 现有的药品市场规模预测大多通过简单 的药 品历史销量数据进行预测， 从而导致预测结果与实际结果之间的存在较大 的误差， 导致使 用效果较差 。 发明内容 [0005]本发明的目的在于提供基于机器学习的药品市场规模预测系统， 以解决上述背景 技术中提出的现有的药品市场规模预测大多通过简单的药品历史销量数据进 行预测， 从而 导致预测结果与实际结果之间的存在较大的误差， 导 致使用效果较差的问题。 [0006]为实现上述目的， 本发明提供如下技术方案： 基于机器学习的药品市场规模预测 系统， 包括中央处理器、 数据采集模块、 数据储存模块、 客户端、 数据传输模块、 数据处理模 块、 随机森林模型模块、 筛 选模块； [0007]所述中央处 理器用于进行系统信息处 理、 执行系统程序运行； [0008]所述数据采集模块用于采集目标药品的数据， 并通过数据传输模块将目标药品的 数据传输 至中央处 理器； [0009]所述数据储 存模块用于储 存系统数据和数据采集模块采集到的目标 药品的数据； [0010]所述客户端用于用户登录系统； [0011]所述数据传输模块用于将中央处 理器与数据采集模块之间进行 数据传输； [0012]所述数据处理模块用于将数据储存模块中储存的数据采集模块采集到的目标药 品数据转换为对应 格式的目标 药品样本自变量数据结构； [0013]所述随机森林模型模块用于评估全部自变量的重要性， 对于预测药品采购量的回 归问题， 采用均方误差增率作为自变量的重要评价指标， 对于预测采购量倍率评级的分类 问题， 采用平均准确率降幅评价自变量的重要性；说　明　书 1/4 页 3 CN 114445120 A 3