决策树技术和在医学中的应用.pdfVIP

决策树技术及其在医学中的应用 徐蕾，贺佳，孟虹，贺宪民，范思昌 (第二军医大学卫生勤务学系卫生统计学教研室，中国上海200433) I摘要l 决策树作为数据挖掘中的核心算法之～，已经得到越来越广泛的应用。本文从决策树 的概念与特点、历史与发展、种类与算法、核心问题与应用条件、及其在医学中的应用五个方面 探讨了决策树技术及其重要的实用价值和广阔的应用前景。 I关键词l决策树 数据挖掘 医学应用 Decisio珏treeand inlnedicine i幻application se州ce． 倒Let，HEJid．HExi口n-min．MENGhong．FANsi-chnng(De妒nme小彭H∞tlhstaltslics．Fncut钞西HenlIh second Militn哆Medicot 200433．Chtnn》 Universi桫．Shnngki As used treeis moreandmore oneofthe lABSTRACTl algorit№sbydata．mining，decisiongetting value broad used．’rhisanicleresearchesdecisiontree and technoIogy，itsimportantapplication aboutits and deVelopment，kindsalgoritlul[1s， prospectscentering conc印t锄dcharacteristics，histo哆and conditjonsand inmedicine． applied application decisiontr∞ data mcdical IKEYWoImSl mining application 近年来，数据挖掘以融合多个学科、汇总多种方法、处理海量数据、挖拥重要信息等特点越 来越广泛地引起了计算机、统计学等领域专家和学者的注意。决策树技术作为数据挖掘技术领域 的一种重要算法，从其最初的算法到后来的算法改进以及它在医学中的应用，都被进行了广泛深 入地研究。现将其主要研究状况综述如下。 l概念与特点 1．1概念决策树方法(decision吮e)是通过一系列规则对数据进行分类的过程。具体讲是利用 信息论中的互信息(信息增益)寻找数据库中具有最大信息量的属性字段，建立决策树的一个节 点，再根据该属性字段的不同取值建立树的分支，在每个分支子集中重复建立树的下层节点和分 支的过程【¨。也可以从几何意义上直观理解：将训练样本集中的每一个数据看成是n维空间上的 一个点，决策树的分支就是按照一定规则完成对n维空间的区域划分。当决策树建好，n维空间 便分成了若干个小区域，由于n维空问不直观，不易理解，便以树形结构展现12j。图例1所示是 一棵判断顾客能否成为计算机买主的决策树【3】，其中一条规则是。如果某顾客age=30，且不是 student，那么他就不会购买计算机。 根节点 内部节点 叶子节点 图l观念计算机购买者决策树 TI．ce l Decision Figurc