判别分析和决策树在医院信息系统中的应用比较研究.pdfVIP

摘要 背景：计算机和信息技术的发展，使数据及信息量急剧膨胀，面 对“丰富的数据”而“贫乏的知识”这样一种挑战，数据挖掘应运而 生，并蓬勃发展。另一方面，医院信息系统中存储了大量的数据，但 由于缺乏相应的处理工具，这些数据并未得到充分的利用，统计学方 法是人们以前常采用的方法，近年来数据挖掘的方法也开始应用到医 院信息系统中，传统统计学方法和数据挖掘方法两者孰优孰劣? 目的：本研究试图用病案首页数据，分别以统计方法判别分析和 数据挖掘方法决策树建立模型，对模型进行比较分析，为医院信息系 统中的数据利用提供参考，为数据挖掘的实践提供借鉴，为统计方法 和数据挖掘方法的比较提供依据。 方法：从医院信息系统后台数据库中提取数据，并进行相应数据 处理，然后在SPSS统计软件中用判别分析进行分析，在数据挖掘工 具Clementine中建立决策树模型，分别对结果进行交互验证，并应 用ROC曲线分析和Lift图评估模型的效度和精确度。 结果：一般判别分析使用交互验证的方法得出的判别函数的分类 符合率为71．2％，逐步判别分析使用交互验证的方法得出的判别函数 的分类符合率为7I．3％，决策树模型的分类符合率为81．5％。 结论：在分类符合率方面，决策树高于判别分析；在模型准确度 方面，决策树模型高于判别分析：在精度方面，当样本量大时，决策 树模型的精度也优于判别分析。在处理数据能力方面，决策树也强于 判别分析。与判别分析相比，决策树更容易理解，结果简单、明确、 结构直观，能清楚显示对分类或预测有意义的变量，并可生成一些规 则：而判别分析的结果是函数式，需要经过计算才能得出结果。在结 果输出方面及可视化方面，决策树占有明显的优势。决策树模型中树 枝数和叶子节点数都是可调的，比判别分析更具有伸缩性和扩展性的 优点，但树枝数和叶子节点数过多或过少都会影响分类效果，需根据 实际控制，决策树模型在稳定性方面还不够。 关键词：统计学，数据挖掘，医院信息系统，判别分析，决策树 ABSTRACT the ofthe and Background：Withdevelopmentcomputer information amountofthedataandinformation technology,the expands data and miningtechnology develops immediately,the emerges rich tothe ofthe dataand prosperouslyfacing challenge poorknowledge． Atthesame ismassivedatainthe information time，there hospital system， been the thesedata havenot usedbecauseofthelackof fully data t001．The isthe correspondingprocessing statisticalapproach traditionalmethodwhich beforeoften