用于分类与预测的决策树分析(英文)

查看全文 作　　者：Yan-yan [1,2]SONG;Ying [2,3]LU

机构地区：[1]Department of Pharmacology and Biostatistics, Institute of Medical Sciences, Shanghai Jiao Tong University School of Medicine;[2]Division of Biostatistics, Department of Health Research and Policy, Stanford University;[3]Veterans Affairs Cooperative Studies Program Palo Alto Coordinating Center, the VA Palo Alto Health Care System

出　　处：《上海精神医学》索引2015年第27卷第2期,共6页

摘　　要：决策树是一种常用的数据挖掘方法,用于多变量分析时建立分类系统或制定预测结果变量的算法。此方法将一个数据群分割成分枝状节段,构造出包括根节点、内部节点和叶节点的倒置形树状模型。该算法运用非参数方法,不需要套用任何复杂的参数模型就能有效地处理大型复杂的数据库。当样本足够大时,可将研究数据分为训练数据集和验证数据集。使用训练数据集构建决策树模型,使用验证数据集来决定树的适合大小,以获得最优模型。本文介绍了构建决策树的常用算法(包括CART,C4.5,CHAID和QUEST),并描述了SPSS和SAS软件中将树结构可视化的程序。 关键词：决策树方法预测算法分类系统决策树模型应用 QUEST SAS程序数据集

相关文献

参考文献（30）
引证文献（82）
耦合文献（0）

参考文献(30)

引证文献(82)

互联网出版许可证新出网证(渝)字10号全国400电话 - 免长途话费

用于分类与预测的决策树分析(英文)

参考文献(30)

引证文献(82)

用户提示