一种改进的随机森林在医疗诊断中的应用

摘要

快速地建立预测模型并且完成准确的分类在某些特殊的医疗诊断场合下具有重要的意义.从连续特征离散化入手,本文提出了一种改进的随机森林算法.之后使用改进的算法建立了分类模型,并在三个常用的医疗数据集上进行了实验.实验结果表明改进的随机森林算法不仅运行时间显著缩减,同时预测精度也得到了提升.更进一步的,初始的连续特征经过离散化之后变得简洁明了,这可以方便研究人员的理解.