用于分类与预测的决策树分析.pdfVIP

上海精神医学2015年第27卷第2期 • 55 • • 精神医学中的生物统计学(26) • 用于分类与预测的决策树分析 Yan-yan SONG1,2*, Ying LU2,3 概述：决策树是一种常用的数据挖掘方法，用于多变量分析时建立分类系统或制定预测结果变量的算法。 此方法将一个数据群分割成分枝状节段，构造出包括根节点、内部节点和叶节点的倒置形树状模型。该 算法运用非参数方法，不需要套用任何复杂的参数模型就能有效地处理大型复杂的数据库。当样本足够 大时，可将研究数据分为训练数据集和验证数据集。使用训练数据集构建决策树模型，使用验证数据集 来决定树的适合大小，以获得最优模型。本文介绍了构建决策树的常用算法（包括 ， ， CART C4.5 CHAID 和 QUEST），并描述了 SPSS 和 SAS 软件中将树结构可视化的程序。 关键词：决策树；数据挖掘；分类；预测 [ 该文仅为英文文章的中文翻译版本 ，引用此文为参考文献请写： Song YY, Lu Y. Decision tree methods: applications for classification and prediction. Shanghai Arch Psychiatry. 2015; 27(2): 130-135. doi: /10.11919/j.issn.1002-0829.215044] 1. 引言 • 处理缺失值：一种常见但并不正确的处理缺失 数据挖掘是从大型数据库中提取有用的信息，并 值的方法是排除有缺失值的样本，这种方法不 将这些信息展示为易于理解的可视化形式。决策树模 仅仅低效，而且可能会给分析带来偏倚。决策 树分析可以从两个方面解决缺失值问题：它可 型最早于 1960 年被提出，是数据挖掘的最有效方法之 以将缺失值处理为一个单独的类别，与别的类 一。由于决策树模型易于使用，不易导致歧义，甚至 别进行分析；或者将有缺失的变量作为结果变 在有缺失值的情况下也表现出稳健性，所以目前该方 [1] 量，用预测值填补缺失数据，使用决策树评估 法已在多个学科领域得到了广泛的应用 。自变量和 填补的数据。 结果变量既可以是离散型变量，也可以是连续型变量。 近来，决策树方法在医学领域颇为流行。一个应用决 • 预测：这是决策树的最重要的用途之一。通过 策树方法的例子就是通过不同的临床症状模式诊断患 历史数据建立决策树模型，则可以很方便的预 者的疾病状态，即通过决策树定义分类不同的临床亚 测之后的记录。 型或状态，或决定处于不同状态的患者应接受何种的 • 数据操纵(data manipulation) ：在医学研究中， 治疗 [2] 。 某分类变量所分的类别过多或是严重偏态的连 决策树模型常应用于以下几个方面： 续型变量是非常常见的。在这些情况下，决策 树模型可以帮助我们