基于极值随机森林的慢性胃炎中医证候分类

发布时间：2018-01-19 09:33

本文关键词： 证候分类极值随机森林可解释性慢性胃炎决策树　出处：《华东理工大学学报(自然科学版)》2017年05期 　论文类型：期刊论文

【摘要】：大多数机器学习算法能得到较好的分类效果,但模型却无法解释;而随机森林等模型有良好的可解释性,却无法处理中医数据中兼证的情况。本文利用极值随机森林算法对慢性胃炎中医数据进行证候分类研究,其中决策树的叶节点能输出多个标签,通过加权机制综合分量来处理兼证问题。与已有多标记学习算法和C4.5、CART等基于决策树的算法进行比较,实验结果表明,极值随机森林算法无论在6个证型的分类准确率上,还是在多标记评价指标上都具有更好的效果,而且模型中得到的规则基本符合中医理论。
[Abstract]:Most machine learning algorithms can get better classification effect, but the model can not be explained. But the random forest model has good interpretability, but it can not deal with the situation of syndromes in TCM data. In this paper, we use extreme random forest algorithm to classify TCM data of chronic gastritis. The decision tree leaf node can output multiple tags and deal with the problem of identification by the weighted mechanism synthesis component. Compared with the existing multi-label learning algorithm and C4.5 cart algorithm based on decision tree. The experimental results show that the extreme value stochastic forest algorithm has better results in both the classification accuracy of the six types and the multi-marker evaluation index, and the rules obtained in the model basically accord with the traditional Chinese medicine theory.
【作者单位】：华东理工大学机械与动力工程学院;上海中医药大学四诊信息综合实验室;上海中医药大学交叉科学研究院;
【基金】：国家自然科学基金(81270050,81302913,30901897,81173199)
【分类号】：R259;TP18
【正文快照】： 辨证论治是中医诊断学的精髓,其中辨证是综合了临床各类信息并加以分析、归纳,以辨清疾病的病因、病机、病性和病位的过程。然而,在中医辨证中存在大量的不确定性和模糊性,缺乏客观的评价标准,制约了中医的推广和发展。利用数据挖掘、机器学习等计算机技术分析中医四诊信息,探

【相似文献】