决策树模型

摘要： 近日,广东电网公司首个独立开发的人工智能数据校验系统在肇庆供电局电子化移交业务中推广应用。该系统完全由该公司基层团队独立完成开发,面向输、变、配各专业,在全省首创电子化移交数据质量管控机制,采用人工智能技术创建决策树模型,实现数据质量集约化、智能化、前置式管控,从根本上解决设备台账录入数据准确性问题。

摘要： 通过构建决策树模型对黑河、白河流域沼泽化草甸湿地、沼泽湿地、湖泊等主要湿地类型进行划分,选取3种景观格局指标分析湿地类型的变化特征,采用主成分分析方法对湿地变化的驱动因素进行分析。结果表明:2000年以来,黑河、白河流域湿地总面积呈增加趋势,沼泽湿地变化趋势与草甸湿地相反,存在此消彼长的特征;两河流域湿地变化的地域分异显著,黑河流域草甸湿地面积呈扩大态势,破碎化程度降低,沼泽湿地有所减少,但斑块密度降低,存在局部连片情形;白河流域沼泽湿地面积增加,适宜地形和水文条件下,草甸湿地和周边草甸可转为沼泽湿地;两河流域湿地变化具有“社会经济+农牧业因素+气候变化”交互作用的特征,社会经济类因素对年代际尺度湿地变化起主导作用。

摘要： 本文以 2015-2020 年 A 股上市公司为数据集,从公司偿债能力、经营能力、盈利能力、风险程度、股权特征五个维度选取相关指标代表公司财务状况特征,采用机器学习中的决策树模型和随机森林模型,根据机器学习模型特点,将模型分为数据预处理、分类器学习预测两个模块,进行财务风险预警研究,并使用第 T-1 年公司财务指标对第 T 年公司是否发生财务困境进行预测,以验证所使用的模型对于上市公司财务困境预警的有效性。

摘要： 目的 建立重型颅脑损伤合并多发伤患者入院72小时内死亡的决策树模型,探讨决策树模型对患者早期预后的评估价值。方法 对DRYAD数据库的临床资料进行二次分析,采用Logistic回归分析重型颅脑损伤合并多发伤患者早期死亡的危险因素,R语言随机抽取756例(80%)患者成功构建决策树模型,并采用受试者工作特征曲线(Receiver Operating Characteristic, ROC)对决策树模型的准确性进行验证。结果 Logistic回归分析显示,年龄、乳酸(lactic acid, Lac)、碱剩余(buffuer excess, BE)、多发伤评分量表(Poly Trauma Grading Score, PTGS)和新损伤严重度评分(New Injury Severity Score, NISS)是患者早期死亡的独立危险因素(P<0.05);ROC分析结果显示,决策树模型抽取剩余的189例(20%)患者,其中148例预测正确,41例预测错误,模型实现了0.78的整体精度,灵敏度为0.82,特异度为0.74,总体判别能力较好。结论 决策树模型可以为重型颅脑损伤合并多发伤患者的病情评估及早期预后提供参考依据,值得临床推广应用和进一步研究。

摘要： 本文采用随机抽样以及分层抽样两种抽样方法,通过问卷调查和实地调查,了解肇庆市居民在实施垃圾分类过程中的各种情况。调查共收集到问卷总计697份,获得有效问卷总计675份。通过对垃圾分类态度的量表题进行信度、效度分析,利用SPSS等软件对问卷进行统计分析,我们建立了Logistics二元回归和决策树两个模型,最后给出相关调查研究结论和建议。

摘要： 基于连云港西连岛站点2014—2018年逐小时气象观测资料,经过对海雾事件及气象要素特征的统计分析探寻海州湾海雾发生发展的基本规律,并基于机器学习中的经典的C4.5算法对海雾天气建立气象要素预测模型。结果表明:基于C4.5算法的决策树预测模型能够较为直观准确的对海州湾海雾进行预测,并且该决策树模型具有较高的泛化能力。利用2014—2017年的样本数据进行学习,模型的学习准确率为92.85%,利用2018年的样本数据对模型的泛化能力进行测试,测试准确率为93.51%。决策树算法在海雾预测中具有方便简洁、科学实用,准确率高等特点。

摘要： 目的探讨基于彩色多普勒超声(CDU)影像特征的3种模型在先天性心脏病(简称先心病)诊断中的应用价值。方法选取2017年3月至2020年1月在该院进行先心病筛查的455例孕妇进行产前CDU检测。采用问卷调查、体格检查及实验室检查,建立logisitic回归分析、反向传播(BP)神经网络及决策树模型。比较3种模型检测的灵敏度、特异度及准确度,以及3种模型检测的受试者工作特征(ROC)曲线下面积(AUC),分析3种模型对先心病的诊断价值。结果455例孕妇中61.32%的孕妇血糖正常,93.63%的孕妇早期未服用致畸药物,63.52%的新生儿出生体重超过2800 g,91.21%的新生儿出生时Apagr评分大于8分,95%以上的三尖瓣返流程度、肺动脉瓣返流程度、主动脉瓣返流程度均正常。logisitic回归分析模型、BP神经网络模型、决策树模型检测的灵敏度、特异度、准确度及AUC分别为84.82%、61.57%、81.79%、0.742,93.28%、81.68%、84.25%、0.786,86.46%、56.83%、81.02%、0.728,BP神经网络模型的灵敏度、特异度及准确度均高于logisitic回归分析模型及决策树模型。3种模型的AUC比较,logisitic回归分析模型与BP神经网络模型比较及BP神经网络模型与决策树模型比较差异均有统计学意义(P0.05)。结论相较于logisitic回归分析模型与决策树模型,BP神经网络模型诊断先心病灵敏度、特异度与准确度更高。

摘要： 基于北京市20172020年各空气监测站点数据,计算出北京5个区域的空气质量日均值数据,在对各区域空气质量数据进行描述分析的基础上,从整体上分析北京市空气质量与气象、社会经济因素之间的关系。通过回归模型和决策树模型,分别对北京5个区域AQI指标值和空气质量等级数据进行影响因素和预测分析,对北京市的空气质量治理提出相应的建议具有一定的实践价值。

摘要： 目的探讨社会资本对老年人自评健康的影响,为有针对性地开发利用社会资本提供依据。方法基于2018年中国老年健康影响因素跟踪调查(CLHLS)数据,以自评健康为因变量,以社会资本(人际信任、社会参与、社会支持)为自变量,并纳入个人人口学特征、社会经济特征、生活方式等作为协变量,分别建立二分类logistic回归模型和基于CHAID算法的分类决策树模型分析社会资本对老年人自评健康的影响,并分析比较两种模型的差异。结果logistic回归结果显示,人际信任水平、社会参与水平、社会支持水平高的老年人,其自评健康状况更好,OR值分别为1.141、1.918、1.377;分类决策树分析结果显示,在自评经济水平中等且患2种及以上慢病的老年人中,社会参与水平越高,其自评健康状况越好,而在自评经济水平中等且患3种及以上慢病的老年人中,人际信任越低,其自评健康状况越差;两种模型分析结果比较显示,二分类logistic回归模型的灵敏度为68.7%,特异度为56.9%;CHAID分类决策树模型的灵敏度为76.7%,特异度为45.1%。结论利用社会资本例如定期组织集体活动,加强社区文体娱乐设施建设,帮助家庭适应新时代的养老需求等对促进老年自评健康具有积极意义。两种模型均具有一定的分类预测价值,但各有优劣,logistic回归模型的特异度较高,分类决策树模型的灵敏度较高,二者可互补,从而使分析结果更具有实际意义。

摘要： 目的评估芪苈强心胶囊治疗慢性心力衰竭的疗效、安全性及经济性,为相关机构开展药品遴选与评价提供参考。方法通过Meta分析,探讨芪苈强心胶囊联合常规治疗(联合治疗组)相比常规治疗(常规治疗组)用于慢性心力衰竭的临床疗效与安全性。从中国卫生体系角度出发,构建决策树模型,模型研究时限为1年,以Meta分析得到的治疗有效率为效果指标,以药品成本和住院成本计算总成本,评价联合治疗相比常规治疗在慢性心力衰竭患者中的经济性;按疗程及文献质量进行亚组分析,并采用单因素敏感性分析和概率敏感性分析探讨基础分析结果的稳健性。结果Meta分析共纳入72篇文献,涉及患者9575例。Meta分析结果显示,联合治疗组患者的有效率、左室射血分数、血浆N末端B型利钠肽原、6 min步行距离均显著优于常规治疗组,且安全性与常规治疗组相当。成本-效果分析结果显示,联合治疗方案成本比常规治疗方案高1867元,但患者可多获得0.016 QALYs,增量成本-效果比(ICER)为117861元/QALY。若仅纳入高质量文献开展Meta分析并据此计算有效性参数,则联合治疗方案相对常规治疗方案的ICER分别为102162元/QALY(基于所有高质量文献)、72354元/QALY(基于疗程为24周的高质量文献)。概率敏感性分析结果显示,以2020年我国2倍人均国内生产总值为意愿支付阈值,芪苈强心胶囊联合常规治疗具有经济性的概率为67.1%。结论相比常规治疗,芪苈强心胶囊联合常规治疗的临床疗效更优,安全性相当,同时也更具有经济性。

摘要： 所有商业银行业务都依赖于巨大的客户电子数据,如何在海量数据电商时代利用数据挖掘技术对银行客户进行高度集中分析处理已成为研究热点.本文分析比较传统朴素贝叶斯和决策树模型(C4.5)的基础上,将朴素贝叶斯和C4.5应用到银行真实数据中进行分析,具体是基于朴素贝叶斯和C4.5识别主要属性特征提高决策效率.实验结果表明,该集成思路在数据分析的正确率,灵敏度和特异性评估标准检验中有较好的改善结果.

摘要： 决策树是目前应用较为广泛的归纳推理算法之一,它运用树结构图的方式把数据特征直观地表述出来,可用于对数据的分类和预测.决策树分类方法采用自顶向下的递归方式.从决策树的根到叶结点的一条路径就对应这一条规则,整棵决策树就对应着一组析取表达式规则.随着决策树的发展,在中医药领域得到了初步的发展,本项目以慢阻肺急性加重期痰热壅肺证为示范,运用决策树模型,挖掘症状与证候间的关联关系,构建症状与证候的关联模式.

摘要： 近年来,多联机在各类建筑空调系统上得到广泛应用.一旦压缩机发生回液故障,将会导致多联机偏离正常工况,能效降低,同时无法保障室内环境的舒适性.长久的回液故障还会导致压缩机部件的机械故障,造成高额的维修费用.因此,本文提出决策树模型检测多联机压缩机回液故障.首先,通过数据集成和剔除缺失值得到齐整数据;其次,通过专家知识和线性相关分析分别选取变量和剔除冗余变量;最后,建立决策树模型检测回液故障.结果表明,决策树模型能够有效地检测出回液故障,而且与专业知识吻合得较好.

摘要： 云环境中涌现出了大量的云服务(云服务提供商),用户选择云服务往往凭借已有用户反馈信息作为对云服务选择的依据.然而,对已有反馈信息的评价往往具有很强的主观性.当前,基于信誉的信任管理机制不能反映信任的主观特点,该论文基于云服务的信誉值提出了一个基于主观信誉的可信管理框架.在该理论框架中,云服务的信誉值不再仅仅局限于反映云服务质量好坏的一个客观数值,而是更能体现出不同服务请求者的偏好.该论文采用决策树模型,根据请求者与已消费者的背景信息预测其相似性,帮助请求者获取服务的主观信誉值.与此同时,该论文还考虑了时间衰减因素对反馈信息可信度的影响,使得最终的云服务主观信誉值更为精确.

摘要： 目的：利用决策树模型评价盐酸羟考酮缓释片和硫酸吗啡缓释片治疗癌痛患者的成本-效果.方法：采用循证医学的方法搜集盐酸羟考酮缓释片与硫酸吗啡缓释片治疗癌痛的随机临床对照试验,进行Meta分析并得到相应的有效率及不良反应发生率,以决策树模型进行成本-效果分析.结果：癌痛患者使用盐酸羟考酮缓释片和硫酸吗啡缓释片治疗两周的成本-效果比分别为603.84、335.37,增量成本效果比为8003,敏感性分析后显示结果稳定.结论：硫酸吗啡缓释片治疗癌痛的成本效果优于盐酸羟考酮缓释片.

摘要： 通过对P2P应用的长期研究,根据P2P节点自身的特点选取了其中典型的特征属性,并提出了一种基于决策树模型的P2P节点识别方法.由于该方法是统计分析传输层数据分组的特征,因此对于采用加密或非加密的P2P应用的网络节点识别均有效.通过实验验证,与基于端口和基于负载特征的流量监测方法相比,所提出的方法体现出了较高的准确率和较低的漏报率及误报率.

摘要： 利用青岛2006-2013年4-8月地面观测资料以及FNL再分析资料,采用分类与回归树(CART)方法建立了青岛沿海海雾决策树预报模型,并根据2014年4-8月海雾预报空报情况,调整了预报模型中部分判别流程及预报指标阈值.2015年5月预报结果表明,修订后的青岛沿海海雾决策树预报模型72h内海雾预报准确率可达70-75％左右,表明修订后的海雾决策树预报模型可基本满足常规业务预报需求.青岛沿海海雾决策树预报模型中2米相对湿度和海表温度最为关键,另外850hPa风向在海雾判别中也很重要,而且随着季节的不同判别阈值也明显不同.

摘要： 利用青岛2006-2013年4-8月地面观测资料以及FNL再分析资料,采用分类与回归树(CART)方法建立了青岛沿海海雾决策树预报模型,并根据2014年4-8月海雾预报空报情况,调整了预报模型中部分判别流程及预报指标阈值.2015年5月预报结果表明,修订后的青岛沿海海雾决策树预报模型72h内海雾预报准确率可达70-75％左右,表明修订后的海雾决策树预报模型可基本满足常规业务预报需求.青岛沿海海雾决策树预报模型中2米相对湿度和海表温度最为关键,另外850hPa风向在海雾判别中也很重要,而且随着季节的不同判别阈值也明显不同.

摘要： 利用青岛2006-2013年4-8月地面观测资料以及FNL再分析资料,采用分类与回归树(CART)方法建立了青岛沿海海雾决策树预报模型,并根据2014年4-8月海雾预报空报情况,调整了预报模型中部分判别流程及预报指标阈值.2015年5月预报结果表明,修订后的青岛沿海海雾决策树预报模型72h内海雾预报准确率可达70-75％左右,表明修订后的海雾决策树预报模型可基本满足常规业务预报需求.青岛沿海海雾决策树预报模型中2米相对湿度和海表温度最为关键,另外850hPa风向在海雾判别中也很重要,而且随着季节的不同判别阈值也明显不同.

摘要： 利用青岛2006-2013年4-8月地面观测资料以及FNL再分析资料,采用分类与回归树(CART)方法建立了青岛沿海海雾决策树预报模型,并根据2014年4-8月海雾预报空报情况,调整了预报模型中部分判别流程及预报指标阈值.2015年5月预报结果表明,修订后的青岛沿海海雾决策树预报模型72h内海雾预报准确率可达70-75％左右,表明修订后的海雾决策树预报模型可基本满足常规业务预报需求.青岛沿海海雾决策树预报模型中2米相对湿度和海表温度最为关键,另外850hPa风向在海雾判别中也很重要,而且随着季节的不同判别阈值也明显不同.

摘要： 本发明公开一种决策树生成方法及设备、基于决策树的报文分类方法及设备。该决策树生成方法包括：将原始规则集中的规则转化为决策树的范围数组；由根节点开始，采用多比特前缀与HiCuts算法结合的方式裁剪，直到每一节点的规则数小于预设值。该基于决策树的报文分类方法包括：提取报文中的源、目的IP地址，并将其转换为决策树查询数组；由根节点开始查找，根据裁剪的维及裁剪的次数进行依次查找，直到获得叶子节点；将报文查询数组与叶子节点中的规则进行比较，获得与该报文匹配的规则。本发明通过采用比特前缀与HiCuts结合生成决策树，减少了该决策树的深度，使得基于该决策树进行查找时既提高了查询效率，而且还节省了内存的占用空间。

摘要： 本发明公开了一种基于敏感度实现清晰决策树与模糊决策树的攻击方法，包括：获取数据并进行数据处理；将处理后的数据划分为训练集和测试集，通过从训练样本中学习，测试集上验证，获得清晰决策树和模糊决策树；利用学习到的清晰决策树和模糊决策树的模型信息，计算样本被分为真实类别的置信度，计算特征的敏感度；选择有最大敏感度的特征进行修改；迭代获得伪造的攻击样本；将伪造的攻击样本集攻击学习到的决策树，比较决策树在测试集和伪造的样本集上的准确率，进而对攻击进行评估。本发明基于特征敏感度信息，减少对攻击目标的模型信息了解量；开辟了研究模糊系统在恶意环境中的鲁棒性的道路，发现数据模糊化对机器学习模型的鲁棒性的提升。

摘要： 提供一种能够生成即使在用户自身的回答发生错误的情况下也能够削减对用户的必要的提问次数的决策树的决策树生成装置、决策树生成方法、非暂时性记录介质以及提问系统。决策树生成装置具备：信息增益算出部，在以决策树的形式将分类对象数据集合分阶段地分割为部分集合时，基于熵的减少量和可靠度，按每个属性算出利用该属性的属性值将分割前的数据集合分割时的信息增益；决策树制作部，通过递归地反复进行利用具有按每个属性算出的多个信息增益中的最大的信息增益的属性的属性值将分割前的数据集合分割的处理，将具有最大的信息增益的属性依次决定为决策树的节点，并且向该节点的边依次分配该属性的属性值，制作用于决定提问的顺序的决策树。

摘要： 本发明公开一种决策树生成方法及设备、基于决策树的报文分类方法及设备。该决策树生成方法包括：将原始规则集中的规则转化为决策树的范围数组；由根节点开始，采用多比特前缀与HiCuts算法结合的方式裁剪，直到每一节点的规则数小于预设值。该基于决策树的报文分类方法包括：提取报文中的源、目的IP地址，并将其转换为决策树查询数组；由根节点开始查找，根据裁剪的维及裁剪的次数进行依次查找，直到获得叶子节点；将报文查询数组与叶子节点中的规则进行比较，获得与该报文匹配的规则。本发明通过采用比特前缀与HiCuts结合生成决策树，减少了该决策树的深度，使得基于该决策树进行查找时既提高了查询效率，而且还节省了内存的占用空间。

摘要： 本发明公开了一种基于决策树的仓储模型决策优化方法，包括：采集原始数据，对原始数据预处理后作为决策树的训练集；根据训练集统计库存决策模型的各个属性，计算各个属性的信息增益率，库存决策模型的属性包括短缺成本属性、存储成本属性、补货时间属性；根据库存决策模型各个属性的信息增益率，采用C4.5算法构建决策树，决策树作为库存决策模型；基于决策树得到分类规则，分析短缺成本属性、存储成本属性、补货时间属性与仓储模型之间的相关性，并基于该分类规则进行库存仓储决策。本发明的基于决策树的仓储模型决策优化方法，决策耗时短，实时性高，且决策方案可靠。

摘要： 一种用于理解深度学习模型决策机制的决策树生成方法，它属于深度学习模型的决策机制理解技术领域。本发明解决了在现有基于决策树的深度学习模型决策机制理解方法中需要对深度学习模型进行特殊处理，产生的理解效果有限，且现有方法复杂，对模型决策机制的理解造成影响的问题。本发明利用训练好的深度学习模型，通过使用局部解释的方法来得到输入变量的贡献值，从而最终构建出贡献分布矩阵。将贡献分布矩阵作为输入，利用平均贡献值差异作为划分标准，递归地分区生成模型的决策树，再对生成的决策树进行剪枝、验证最终得到最优解释树。本发明可以应用于深度学习模型的决策机制理解。

摘要： 本发明公开了一种基于决策树模型的车辆强制换道决策方法，该方法采用下列步骤：先通过传感器实时读取车辆强制并线换道时的相关数据；接着对获得的数据导入基于决策树模型的车辆强制换道决策模块中，该模块的构建步骤主要包括训练与测试数据的选取、树的分裂、属性阈值的选择、树的剪枝、基于weka平台的并线换道决策树模型建立和决策树模型的精确度验证；最后通过决策模块可形成车辆强制换道时的决策判断结果，如决策判断结果为不能换道，则实时地发出警报提醒驾驶员不能换道。本发明减少了预警算法复杂、决策判断规则过多对判断结果的负面影响，提高了车辆强制换道时决策判断的准确度和可靠性，降低了误报率。

摘要： 本申请的实施例揭示了决策树模型生成方法、基于决策树模型的数据推荐方法。该方法包括：获取由多个训练样本的特征信息形成的训练数据集，训练样本已知类别属性；在根据训练数据集生成决策树模型的过程中，迭代计算各节点下每个特征属性的信息增益，并根据最大信息增益对应的特征属性划分当前节点包含的数据集，直至根据节点包含的数据集能确定出类别属性；若当前节点下的多个特征属性的信息增益相等且为最大信息增益，则计算多个特征属性各自对应的修正信息增益，并根据计算得到的修正信息增益确定用于划分当前节点所包含数据集的特征属性；输出根据训练数据集所形成的决策树模型。本申请生成的决策树模型具有更准确的分类效果。

摘要： 本发明公开了一种基于决策树模型的车辆强制换道决策方法，该方法采用下列步骤：先通过传感器实时读取车辆强制并线换道时的相关数据；接着对获得的数据导入基于决策树模型的车辆强制换道决策模块中，该模块的构建步骤主要包括训练与测试数据的选取、树的分裂、属性阈值的选择、树的剪枝、基于weka平台的并线换道决策树模型建立和决策树模型的精确度验证；最后通过决策模块可形成车辆强制换道时的决策判断结果，如决策判断结果为不能换道，则实时地发出警报提醒驾驶员不能换道。本发明减少了预警算法复杂、决策判断规则过多对判断结果的负面影响，提高了车辆强制换道时决策判断的准确度和可靠性，降低了误报率。

摘要： 本发明公开了一种基于决策树模型与逻辑回归模型组合的感染筛查方法，其检测操作方便，可提高感染筛查准确性，该方法基于生命体征监护仪实现，生命体征监护仪与远程数据服务平台通信连接，远程数据服务平台依据临床数据进行感染筛查，该方法包括：通过生命体征监护仪检测获取用户临床数据，将临床数据随机划分为训练集、测试集，将训练集均分为两份：训练集A、训练集B，基于训练集A构建决策树模型，同时，对训练集A进行特征选择，将关键特征向量作为已构建的决策树模型的输入，获取新构造特征向量，基于组合特征向量，构造逻辑回归模型，基于决策树模型和逻辑回归模型组合，对测试集进行预测分类，获取分类结果。