决策树算法在临床诊断中的应用研究

《决策树算法在临床诊断中的应用研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、致谢本文的研究工作是在我的导师李义杰教授的精心指导和悉心关怀下完成的，在我的学业和论文的研究工作中无不倾注着导师辛勤的汗水和心血。导师的严谨治学态度、渊博的知识、无私的奉献精神使我深受启迪。从尊敬的导师身上，我不仅学到了扎实、宽广的专业知识，也学到了做人的道理。在此我要向我的导师致以最衷心的感谢和深深的敬意。在整个课题的进展及论文的撰写过程中，实验室的各位同学提出了许多宝贵的意见和建议，使我受益匪浅，给予了我很大的帮助，在此我向他们表达真诚的谢意。在研究生的学习生活中，还得到了许多领导和老师的热情关心和帮助。在此，向所有关心和帮助过我的领导、老师、同学和朋友表示

2、由衷的谢意！衷心地感谢在百忙之中评阅论文和参加答辩的各位专家、老师！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

3、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。关键词：临床诊断；决策树；剪枝算法；多策略AbstractDataminingisthemostsignifieantfieldofinformationteehnology,whichiscombinedwithmanytheoryandtechnologysuchasdatabase,artificialinte

4、lligence,machinelearningandstatisties.Asoneofthemostwidelyusedclassificationalgoritmsofdatamining,decisiontreealgorithmischaracterizedbyhighaccuracy,simplicity,highefficiency,andcanbetranslatedtoruleseasily.Thispaperusesdecisiontreealgorithmasthedataminingalgorithmforminingmedicaldia

5、gnosisdata.Thedecisiontreemaybeveryhugewhenthedecisiontreewasfirstgenerated,andthecorrespondingruleswillbeveryhardtounderstand.Soitneedspruningalgorithmtoreducethescaleofthedecisiontree.Sopruningalgorithmisveryimportantindecisiontreealgorithms.Thispaperfocusesontheapplicationofdatami

6、ninginmedicaldiagnosis,andanalysestheadvantageanddisadvantageofclassicdecisiontreepruningalgorithms,presentsanewpruningalgorithmbasedonmulti-strategy.Thisalgorithmconsidersuser’sneeds,andcanacceptsdescriptiveparametersofdecisiontreesondifferentdataminingset.Finally,itgetstheidealdeci

7、siontreemodel.Theresultsofexperimentsshowthatthisalgorithmcanbalancestheprecisionandcomplexitybetter,andmeetstheneedsofmedicaldiagnosisindifferentapplicationcontext,andensuresbetteradaptabilityindifferentdataminingset.KeyWords：Medicaldiagnosis；Decisiontree；Pruningalgorithm；Multi-stra

8、tegy目录摘要Abst