决策树算法在临床诊断中的应用研究

摘要

数据挖掘是信息处理领域的一项重要课题,它融合了数据库、人工智能、机器学习、统计学等多个领域的理论和技术。而决策树方法以其速度快、精度高、生成的模型简单易懂以及容易转化成分类规则等优点,在数据挖掘领域被广泛地研究和应用。本文采用决策树算法作为核心的数据挖掘算法进行临床诊断数据挖掘。在生成决策树时,可能使得产生的决策树非常庞大,对应的分类规则也难以理解,需要对生成树进行剪枝。因此剪枝算法在决策树算法中占有很重要的地位。针对数据挖掘在临床诊断中的应用,通过对经典决策树剪枝算法的分析,提出了一种基于多策略思想的剪枝算法。该算法从用户需求的出发,根据不同的数据挖掘集接受对决策树模型描述性的参数,最终得到理想的决策树模型。实验结果表明,该算法能够很好地平衡剪枝算法的精确性和复杂性,满足不同医学诊断应用的需求,保证了对不同数据挖掘集取得更好的适应性。

目录

致谢

摘要

Abstract

引言

1 数据挖掘技术论述

1.1 数据挖掘的概念

1.2 数据挖掘的流程

1.3 常用的数据挖掘方法

1.4 数据预处理

2. 决策树分类算法分析

2.1 决策树算法论述

2.1.1 基本概念

2.1.2 决策树的生成与应用过程

2.1.3 决策树模型的评估

2.2 典型的决策树算法

2.3 决策树剪枝算法

2.3.1 决策树的大小

2.3.2 剪枝算法选择的因素

2.3.3 常见的后剪枝算法

3 基于多策略的决策树剪枝算法

3.1 算法的提出

3.2 算法的思想

3.3 算法描述

3.4 实验结果对比分析

4 决策树算法在临床诊断中的应用

4.1 临床诊断与医学数据挖掘

4.1.1 临床诊断

4.1.2 医学数据的特点

4.1.3 医学数据挖掘的基本过程

4.1.4 医学数据挖掘的几个问题

4.2 数据挖掘算法应用流程

4.3 数据的选择

4.4 数据预处理

4.5 仿真结果

结论

参考文献

作者简历

在学期间从事的科研工作

学位论文数据集